Vous êtes sur la page 1sur 99

  

 


    
 

Universit Badji Mokhtar


Annaba

Anne 2008

Facult des Sciences de lIngnieur


Dpartement dInformatique

MMOIRE
Prsent en vue de lobtention du diplme de MAGISTER

Analyse du signal ECG par les ondelettes

Option
Intelligence Artificielle
Par
ABID Tarek

DEVANT LE JURY
ENCADREUR

B.TIGHIOUART

Matre de Confrences

U. Annaba

PRESIDENT

T.BENSEBAA

Matre de Confrences

U. Annaba

EXAMINATEURS

N.DOGHMANE
T.KHADIR
L.BENNACER

Professeur
Matre de Confrences
Matre de Confrences

U. Annaba
U. Annaba
U. Annaba

Remerciements
Je tiens exprimer mes plus vifs remerciements mon
encadreur Mme B.Tighiouart pour sont aide quelle ne ma
jamais refus malgr ses responsabilits nombreuses et
dlicates, pour ses prcieux conseils, son esprit amical et sa
modestie exemplaire.
Je

remercie

Mr.

T.

Bensebaa

pour

m'avoir

fait

lhonneur de prsider ce jury. Je le remercie vivement.


Je voudrais galement remercier et exprimer ma
gratitude envers:
Pr. N. Doghmane, Dr. L. Bennacer (du dpartement
d'lectronique)

et

Dr.

T.

Khadir,

pour

avoir

accept

d'examiner ce travail et donc faire partie du jury de


soutenance.
Mes remerciements vont aussi mes collgues de
lquipe de recherche LRI

qui ont contribu crer une

ambiance de travail agrable et propice la coopration et


au partage dexpriences.

Enfin mes remerciements vont mes parents, ma


femme et mon fils Talha.



('     %  $ "     . (- % *  + ,-,
  ( ./
 .0-  1

; :,+9 0 ,-,


 . 6 /4 7 8 %  /4  2 %2 -%
-('    .

  *<7('      <-  2 %2 A *?7?>= 


. . , ,8  (1

< ; 
; *?2 $  <-%   %7 
, ,-, -.QRS %

6J K  <-% I12"9 G  F * F  "-.QRS %

 M* %7  O <-% " G  M* %1  1


7 ,1( O  Q , -
 (   ,-

%1

  <-% db9 K ,-,


 T K 79 O189 1 O 62,58% -%S (69 ; < ] [-5,+5
O 52,26% (69 ; < ] , [-4,+4  U- %1  1 4 K %O189

 
 <  : % % , ('    >-%
2 ,  <-%

Rsum
Llectrocardiogramme (ECG) est un outil de mesure de lactivit lectrique du cur. Il offre
lopportunit au mdecin de dcider de ltat structurel et fonctionnel du cur dun
patient. Dans ce travail, nous nous intressons plus particulirement lanalyse et la
dtection automatique des vnements (appels ondes) constituants ce signal ECG. Il est
enregistr par groupe de trois voies. En ECG traditionnel la dtection se fait voie par voie. En
ECG automatis il s'agit tout dabord d'opter pour une reprsentation unique de l'ensemble de
toutes les voies. Plusieurs reprsentations ont t abordes. Notre approche se base sur
lutilisation de la transforme en ondelette eu gard le signal utilis et la localisation du dbut
de londe QRS.

Nous avons choisi londelette de Daubechies, car sa forme est proche de celui du complexe
QRS. Pour chaque ondelette de Daubechies (db2, db3,, db10) et pour chaque niveau de
dcomposition nous avons calcul lerreur entre le pointeur rfr (donne du mdecin) et le
pointeur calcul.

Nous avons montr que londelette de Daubechies dordre 9 (db9) est la plus performante car
elle permet de localiser 62.58% et 52,26 % de cas avec une erreur dans lintervalle [-5,+5] et
[-4,+4] respectivement. Le meilleur niveau de dcomposition tait le niveau 4

Mots cls Traitement de Signal, signal lectrocardiographique, transformes en ondelettes.

Abstract
The electrocardiogram (ECG) is a tool for measuring the electrical activity of the heart. It
offers the opportunity to the doctor to decide on the structural and functional status of a
patient's heart. In this work, we are particularly interested in the analysis and automatic
detection of events (called waves) constituting that ECG signal. It is recorded in groups of
three leads ECG. In traditional ECG, detection is performed lead by lead. In automated ECG,
we first opt for a single representation of the set of ECG leads. Several representations were
addressed. Our approach is based on using the wavelet transform and the location of the
beginning of the QRS wave.
We have chosen the wavelet of Daubechies, because its shape is similar to that of the QRS
complex. For each wavelet of Daubechies (db2, db3,,db10) and for each level of
decomposition, we calculate the error between the measured pointer (given by the doctor) and
the calculated pointer.

We show that the wavelet of Daubechies of order 9 (db9) is the best one, because it allows to
locate 62.58% and 52.26% of cases with an error in the interval [-5, +5] and [-4,+4]
respectively. The highest level of decomposition was the 4th level.

Key-words: processing signal, electrocardiography and transformed wavelet.

Liste des Figures


Figure

Titre

Page

Chapitre I

Figure I.1

Anatomie du cur..............

17

Figure I.2

Fonctionnement lectrique du cur...

18

Figure I.3

Schma des ondes dans un ECG normal........

19

Figure I.4

Tracs lectriques des diffrentes ondes du signal ECG 20

Figure I.5

Le triangle dEinthoven...... 22

Figure I.6

Les drivations bipolaires... 22

Figure. I.7

Les drivations unipolaires..... 22

Figure. I.8

Les drivations prcordiales... 23

Figure. I.9

Schma des diffrentes drivations de lECG dans les trois plans

Figure. I.10

Le vectrocardiogramme...... 25

Figure. I.11

Exemple de tracs de lECG 12 drivations et le VCG.. 26

Figure. I.12

Trac de la fonction amplitude sur une longueur de 750 points

24

28

Chapitre II

Figure. II.1

Schma gnral dun systme de RF...... 31

Chapitre III

Figure. III.1

Le signal s(t) dans le domaine temporel. 38

Figure. III.2

Le signal s(t) dans le domaine frquentiel.

39

Figure. III.3

Le plan temps-frquence....

41

Figure. III.4

Plan temps-chelle. .... 43

Figure. III.5

Rsolution temps-frquence et rsolution temps-chelle... 44

Figure. III.6

Diffrents facteurs de dilatation dune ondelette...

Figure. III.7

La position dune ondelette une chelle donne.. 46

Figure. III.8

Le signal sinus bruit et sa transformation dondelette continue...

47

Figure. III.9

Algorithme de Mallat uni-dimensionnel. ..

50

45

Figure. III.10

Dcomposition pyramidale....

51

Figure. III.11

La fonction dchelle et la fonction dondelette de haar

54

Figure. III.12

Les ondelettes de Daubechies....

54

Figure. III.13

Ondelettes de Daubechies (db4) .... 55

Figure. III.14

Ondelettes de Daubechies (db8) .... 56

Figure. III.15

Les ondelettes de symlets...

57

Figure. III.16

Ondelettes de Symlets (sym4) ...

57

Figure. III.17

Ondelettes de Symlets (sym8) ...

58

Figure. III.18

Les ondelettes de coiflets...

59

Figure. III.19

Ondelettes de Coiflet: (coif3) ....

59

Figure. III.20

Ondelettes de Coiflet (coif5). ....

60

Chapitre IV

Figure. IV.1

Mthologie de lapproche de localisation....

68

Figure. IV.2

Exemple de trac de 350 points des 3 voies du vectocardiogramme.

70

Figure. IV.3

Dcomposition de lECG du cas CSE numro 5 sur 750 points 72

Figure. IV.4

La zone de localisation sur 80 points avant le pic (cas CSE n 5).

Figure. IV.5

Visualisation du pointeur rfr et du pointeur calcul.. 74

Figure. IV.6

Dcomposition de lECG du cas CSE numro 5 sur 750 points.

Figure. IV.7

Nombre de cas dont lcart de localisation est situ dans lintervalle 76


[-5,+5] ....
Nombre de cas dont lcart de localisation est situ dans lintervalle 77
[-4,+4]. .......

Figure. IV.8

73

75

Figure. IV.9

Nombre de cas dont lcart de localisation est situ dans lintervalle 78


[-3,+3] ....

Figure. IV.10

Nombre de cas dont lcart de localisation est situ dans lintervalle 79


[-2,+2] ....

Figure. IV.11

Nombre de cas dont lcart de localisation est situ dans lintervalle 80


[-1,+1] ....

Figure. IV.12

Nombre de cas dont lcart de localisation est gal 0.

81

Figure. IV.13

Les pourcentages de localisation relativement aux diffrentes variantes 82


de londelette de Daubechies......

Listes des tableaux


Tableau

Titre

Page
Chapitre III

Tableau. III.1

Familles dondelettes.. 52

Tableau. III.2.

Les proprits principales des ondelettes...

53

INTRODUCTION GENERALE... 12

CHAPITRE I : CARDIOPHYSIOLOGIE ET ELECTROCARDIOGRAPHIE... 16

I. Anatomie et fonctionnement du cur

17

II. Description du signal electrocardiographique..

19

III. Electrocardiographie 21
III.1. L'lectrocardiogramme standard.

21

III.1.1 Les drivations priphriques bipolaires standard...

21

III.1. 2. Les drivations prcordiales...

23

III.2. Le Vectrocardiogramme..

23

IV. Principes gnraux des systmes dlectrocardiologie automatiss...

27

CHAPITRE II : TECHNIQUES LIEES A LA RECONNAISSANCE DES FORMES...

29

I. Introduction 30
II. Domaine dapplication de la RF...

30

III. Dmarche classique en reconnaissance de formes..

31

IV. Mthode de dcision 33


IV. 1. Approche statistique. 34
IV. 2. Approche syntaxique ou stochastique..

34

IV. 3. Approche structurelle...

34

IV. 4. Approche hybride ou connexionniste... 34

CHAPITRE III : THEORIE DES ONDELETTES...

36

I. Dfinitions.. 37
II. Mthodes danalyse et de traitement du signal...

37

II. 1. Transforme de Fourier...

37

II. 2. Transforme de Fourrier Fentre...

39

II. 3. Transforme en ondelettes...

42

10

II. 3. 1. Transforme en ondelettes continue...

43

II. 3. 1. 1. La transforme inverse continue en ondelettes.. 48


II. 3. 1. 2. Conditions mathmatiques de validit dune ondelette.........

48

II. 3. 1. 3. Proprit dune ondelette mre..

48

II. 3. 2. Transformation en ondelette discrte.. 49


II. 3. 2. 1. Implmentation des ondelettes par bancs des filtres.. 49
II. 3. 2. 2. Analyse multirsolution. 51
II. 3. 2. 3. Ondelette dyadique

51

II. 3. 2. 4. Coefficients de la transformation en ondelette discrte. 52


III. Familles dondelettes... 52
III. 1. Ondelettes de Daubechies.. 53
III. 2. Ondelettes de Symlets...

56

III. 3. Ondelettes de Coiflets 58


IV. Le choix de la meilleure ondelette..

60

V. Etat de lart sur les applications des ondelettes en ECG......

62

CHAPITRE IV : APPLICATION

68

I. Introduction

67

II. Approche de localisation..

67

II.1. Donnes

69

II.2 Modlisation par la transforme en ondelettes..

70

II.2.1. Choix de londelette 71


II.2.2. Dcomposition

71

II.3. Localisation... 73
III. Rsultats..

76

IV. Conclusion... 83
Bibliographie.

86

Annexe... 94

11

12

Introduction
Le travail porte sur le traitement automatique des signaux lectrocardiographiques (ECG)
et sinscrit dans le domaine de la reconnaissance des formes. Ces signaux sont enregistrs par
groupes de 3 (ou plus) drivations au moyens d'lectrodes places la surface du corps et
tmoignent de l'activit lectrique du cur d'un patient. L'activit du cur est reprsente par
une suite de battements. Chaque battement est mis en vidence sur le signal par une suite
d'ondes appeles P, QRS et T en relation directe avec les diffrentes phases de passage du
sang dans les oreillettes et les ventricules.

La dtermination prcise du dbut et de la fin des ondes constitue une phase trs
importante de lanalyse du signal. Ce qui permet de calculer la dure des ondes P et QRS et
des intervalles PR et QT. De plus elle constitue une tape pralable lextraction des
paramtres. La prcision des paramtres calculs donc du diagnostic en dpend.

En ECG traditionnel cette dlimitation se fait de manire visuelle sur chaque voie du
trac de llctrocardiogramme. Or des tudes ont mont que la prcision de lanalyse visuelle
est loin dtre parfaite et quil existe une grande variabilit intra et inter observateurs.

L'une des tapes des plus importantes dans le traitement automatique de ce type de
signaux est le choix de leur reprsentation par une fonction temporelle unique cense mettre
en vidence le mieux possible l'apparition de ces ondes. Il s'agit d'opter pour une forme de
reprsentation du groupe de drivations choisies.

La reprsentation du signal est une reprsentation temps amplitude . Cette


reprsentation n'est pas toujours la meilleure pour la plupart des applications de traitement du
signal, car dans beaucoup de cas, l'information la plus pertinente est cache dans la
composante de frquence du signal. La transforme de Fourier constitue le point de dpart
pour lanalyse frquentielle. Elle donne une reprsentation frquence amplitude dun
signal, mais ne permet pas ltude de signaux non stationnaire et ne permet pas non plus de
savoir quels instants les frquences ont t mises.

13

L'exprience a montr que les deux reprsentations temporelles et frquentielles ne


sont pas capables de dcrire sparment la totalit des informations prsentes dans le signal.
Pour pallier cette insuffisance des reprsentations temps - frquence sont apparues
ncessaires. Cependant lun des inconvnients majeurs concerne limpossibilit de connaitre
la frquence exacte un instant donn. Do le recoures une forme de reprsentations.

Dans ce travail, nous nous sommes intresss la reprsentations du signal par la


transforme en ondelettes ou encore dites wavelets qui permet de donner une
reprsentation temps chelle .

Cette dernire permet de sparer les informations dun signal dans des bandes spectrales
dans un plan bidimensionnel la fois frquentiel et temporel.

Ces nouvelles transformations sont, en gnral, orthogonales. Lorthogonalit de la


dcomposition limine la redondance dinformations. La rversibilit de lalgorithme de
dcomposition autorise une reconstruction parfaite du signal dorigine partir des coefficients
de la dcomposition.

On distingue deux grandes familles dondelettes: les ondelettes continues (Morlet,


Sombrero, )

et les ondelettes discrtes (Haar, Shannon, Meyer, Daubechies). La

transforme en ondelettes a prouv son efficacit travers les rsultats enregistrs dans
lanalyse des signaux transitoires et non stationnaires, comme c'est le cas pour lECG.

Notre choix s'est port sur l'utilisation des ondelettes discrtes cause de la nature discrte
de nos donnes ECG.

Sur le plan pratique, le travail s'est focalis sur la localisation du dbut de l'onde QRS
c'est--dire la zone sense contenir la valeur exacte du dbut du complexe QRS partir de la
reprsentation par londelette discrte la plus performante (afin ventuellement d'assurer une
reconstruction fiable du signal ECG) et plus prcisment l'ondelette de Daubechies.

L'valuation s'est faite sur les donnes d'une base de donne ECG parfaitement prtraite
en l'occurrence la base de donne DS1 de la communaut scientifique Europenne CSE
reconnue pour tre parfaitement valide. Les rsultats sont prsents et discuts.
14

Le mmoire est organis en 4 chapitres :

Le

premier

chapitre

peut

tre

considr

comme

une

introduction

l'lectrocardiographie et l'lectrocardiologie quantitative.

Le deuxime chapitre a t consacr la prsentation de mthodes lies la


reconnaissance des formes ainsi que de quelques domaines d'application.

Aprs description des mthodes d'analyse du signal bases sur la transforme de


Fourier et la transforme de Fourier fentre, le troisime chapitre a t consacr la
prsentation de la thorie des ondelettes continue et discrtes. Diffrentes familles
d'ondelettes discrtes ont t voques ainsi que la problmatique du choix de la
meilleur ondelette.

Le chapitre se termine par un tat de l'art sur quelques

applications relatives au signal ECG.

Le chapitre quatre a port sur la description dtaille de la stratgie mise en uvre


pour localiser l'onde QRS. Cette localisation se base essentiellement sur la
reprsentation du signal par la transforme en ondelette et plus prcisment l'ondelette
de Daubechies.

Le mmoire se termine par une conclusion et quelques perspectives relatives ce travail.

15

16

I. Anatomie et fonctionnement du cur


Le cur est une pompe qui assure la circulation, le pompage et la distribution du sang
oxygn travers tout le corps. Il pse environ de 250 350 grammes chez un adulte [27]. Il
est compos de deux parties : cur gauche et cur droit (Fig. I.1). Chacune de ces deux
parties comporte deux cavits : loreillette et le ventricule relis entre eux par une valve sens
unique. La circulation du sang seffectue par des tapes suivantes.
1. Le tissu musculaire du cur (le myocarde) se contracte et envoi le sang pauvre en
oxygne par la veine cave suprieure et infrieure vers loreillette droite (flches
bleues continues) ;
2. Le myocarde chasse le sang vers le ventricule droit (contraction appele systole
auriculaire) ;
3. Le sang est propuls du ventricule droit vers les poumons par la systole ventriculaire
(contraction des ventricules). Dans les poumons le sang se charge en oxygne ;
4. Le sang revient au cur par les veines pulmonaires et saccumule dans loreillette
gauche ;
5. La systole auriculaire envoie le sang vers le ventricule gauche ;
6. La systole ventriculaire propulse le sang vers les organes (flches rouges pointilles)
par lartre aorte [54].

Figure. I.1. Anatomie du cur [54]

17

Ces phnomnes mcaniques succdent des phnomnes lectriques. L'impulsion lectrique


provoque la contraction du myocarde (Fig. I. 2) :

La dpolarisation des cellules musculaires se propage du haut de loreillette droite (le


sinus) (Fig. I.2.a) vers les oreillettes (Fig. I.2.b) ;

La systole auriculaire provoque la diastole (dcontraction du muscle) ;

Limpulsion lectrique arrive au nud auriculo-ventriculaire (AV), o elle subit une


courte pause pendant laquelle le sang monte dans les ventricules (Fig. I.2.c) ;

Limpulsion lectrique passe par le faisceau de HIS dans les ventricules (Fig. I.2.d)
qui se contractent (Fig. I.2.e) ;

Aprs la dcontraction du muscle (la diastole ventriculaire), les fibres musculaires se


re-polarisent (Fig. I.2.f) et reviennent dans leur tat initial.

Figure. I.2. Fonctionnement lectrique du cur [54]

18

II. Description du signal electrocardiographique


L'lectrocardiogramme (ECG) est la reprsentation temporelle de lvolution du champ
lectrique dans le muscle cardiaque la surface du corps humain [21]. Souvent il est
considr comme la superposition des ondes lmentaires. Par consquent, dans le cas
normal, il est assimil un signal quasi priodique.

LECG permet de visualiser sur papier millimtr les ondes lectriques qui parcourent les
oreillettes et les ventricules, offrant ainsi lopportunit au mdecin de juger de ltat structurel
et fonctionnel du cur de son patient.

Il fait apparatre trois types donde qui sont respectivement : londe P, le complexe QRS, et
londe T. Ces ondes sont relies par des segments isolectriques ou des intervalles qui sont : le
segment PR, le segment ST et le segment QT (Fig. I.3).

Figure. I.3. Schma des ondes dans un ECG normal [33]

19

Les diffrentes ondes constituantes l'ECG sont en relation directe avec les diffrentes phases
du cycle cardiaque :
 Une phase de contraction auriculaire.
 Une phase de contraction ventriculaire.
 Un relchement total du cur.
La figure (Fig. I.4), illustre explicitement ces diffrentes phases :

Les contractions des oreillettes pendant le passage de londe lectrique laissent sur
l'ECG, la trace dune petite dflexion positive : londe P (Fig. I.4a) ;

Un petit segment plat sur la figure (Fig. I.4) reprsente la pause de limpulsion
lectrique au niveau du nud Auriculo-Ventriculaire (AV) ;

Une succession de trois ondes (QRS) correspond la phase de contraction et de


dcontraction des ventricules (Fig. I.4.b). Le complexe QRS constitu de ces trois
ondes est visible sur lECG :
o la premire onde Q est dirige vers le bas,
o la deuxime onde R dirige vers le haut est de grande amplitude,
o londe S est dirige vers le bas ;

La re-polarisation des fibres musculaires est reprsente par londe T (Fig. I.4.c). cest
une priode de linactivit cardiaque. Notons aussi lexistence dune courte pause (le
segment ST) entre le complexe QRS et londe T. Ltude de ce segment reste trs
importante pour lidentification de certaines pathologies [67].

Figure. I.4. Tracs lectriques des diffrentes ondes du signal ECG [54]

20

III. Electrocardiographie
Ces phnomnes lectriques peuvent tre dcel aux moyens d'lectrodes disposes la
surface du corps, selon un schma bien tabli; on distingue alors l'lectrocardiogramme
standard 1 drivations et le vectocardiogramme 3 drivations.
Un systme de drivation consiste en un ensemble cohrent de drivations, chacune dfinie
par la disposition de ses lectrodes sur le thorax, les poignets et les chevets du patient,
permettant ainsi denregistrer les diffrences de potentiels du cur en fonction du temps et
donnant ainsi 12 drivations ou voies diffrentes de llectrocardiogramme (ECG).

Lemplacement des lectrodes est choisi de sorte explorer la quasi-totalit du champ


lectrique cardiaque en offrant un ensemble cohrent de drivations non redondantes.
Le premier systme fut ralis en 1903 par Willem Einthoven [22].
Dautres scientifiques ont activement contribu lvolution de llectrocardiographie. Citons
notamment : Lepeschkin [41], Lewis [43] et Wilson [65].

III.1. L'lectrocardiogramme standard


Les drivations en lectrocardiographie se partagent en deux types de drivation [11] :
 Les drivations priphriques bipolaires standard.
 Les drivations prcordiales.

III.1.1 Les drivations priphriques bipolaires standard


Ce sont les drivations des membres : D1, D2, D3, aVR, aVL, et aVF
D1, D2, D3 (Fig. I.6), sont des drivations bipolaires qui traduisent la diffrence de potentiel
entre deux membres :
D1 : entre bras droit (ple -) et bras gauche (ple +)
D2 : entre bras droit (ple -) et jambe gauche (ple +)
D3 : entre bras gauche (ple -) et jambe gauche (ple +)
D1, D2 et D3 dcrivent le triangle dEinthoven (Fig. I.5) [22].

21

Figure. I.5. Le triangle dEinthoven [4]

Figure. I.6. Les drivations bipolaires [4]

aVR, aVL, et aVF (Fig. I.7) sont des drivations unipolaires et correspondent au membre avec
lequel elles sont connectes soit respectivement le bras droit, le bras gauche, et la jambe
gauche. Cest la thorie de Wilson [14] et Golberger [32], o llectrode exploratrice positive
correspond au membre appliqu. Le voltage est alors amplifi (d'o le prfixe a) pour obtenir
un trac de mme amplitude que D1, D2, D3.

Figure. I.7. Les drivations unipolaires [4]

22

III.1. 2. Les drivations prcordiales


Ce sont des drivations unipolaires fixes en des points (Fig. I.8) dfinis sur la paroi
thoracique dsigns par Wilson [14].
V1 est place sur le 4me espace intercostal droit, au bord droit du sternum.
V2 est place sur le 4me espace intercostal gauche, au bord gauche du sternum.
V4 est place sur le 5me espace intercostal gauche, sur la ligne mdioclaviculaire.
V3 est place entre V2 et V4.
V5 est place sur le 5me espace intercostal gauche, sur la ligne axillaire antrieure.
V6 est place sur le 5me espace intercostal gauche, sur la ligne axillaire moyenne.

Figure. I.8. Les drivations prcordiales [4]

III.2. Le Vectrocardiogramme
Le vectocardiogramme (VCG) ou lECG orthogonal ou lECG corrig, est enregistr au
moyen de trois couples dlectrodes places de manire dfinir trois directions orthogonales
centres sur le cur. Chaque couple enregistre chaque instant la projection du vecteur
cardiaque dans sa direction.

23

On parle de courbe tridimensionnelle, ou boucle vectocardiographique spatiale ayant comme


centre le centre du cur, et enveloppant les vecteurs dexcitations. Il est dfinit par rapport
un systme de rfrence compos de trois axes mutuellement orthogonaux, laxe transversal
Y, laxe vertical Z et laxe sagittal X [27], [11].

Lanalyse des boucles vectocardiographiques sur les plans : frontal XZ, transversal XY et
sagittal XZ (Fig. I.9) projetes sur les axes OX, OY, OZ donne lieu la notion de VCG, qui
est souvent l'lment dterminant du diagnostic, ou O est le centre de la boucle. Il visualise
l'activit cardiaque moyennant 3 voies seulement qu'on note X, Y et Z.

Figure. I.9. Schma des diffrentes drivations de lECG dans les trois plans

Les axes du VCG correspondent aux 3 voies denregistrement, la courbe tant paramtre par
le temps. Un battement normal est compos dune premire petite boucle reprsentant londe
P, dune grande boucle reprsentant le complexe QRS, et dune troisime boucle pour la
repolarisation des ventricules (onde T) (Fig. I.10).

24

Figure. I.10. Le vectrocardiogramme [54]

La figure suivante reprsente un exemple des tracs rels ECG et VCG (Fig. I.11).

25

AVR

II

AVL

AVF

III

V1

V4

V5

V2

V6

V3

Figure. I.11. Exemple de tracs de lECG 12 drivations et le VCG [61].

26

IV. Principes gnraux des systmes dlectrocardiologie automatiss


Les premiers traitements informatiques du signal cardiaque remontent 1957 linitiative
de Pipberger [64], mais il a fallu attendre 1961 pour voir se concrtiser le premier systme
automatique capable de dlimiter le dbut et la fin des ondes. De nombreux systmes ont t
raliss par la suite.
Lanalyse et linterprtation automatises des tracs lectriques du cur sont devenues
aujourdhui un acte de routine et constituent une aide au diagnostic dont lintrt va croissant.
Ces systmes amnent de grands progrs quant la fiabilit, lautomaticit ainsi que
diverses facilits dutilisation.
Schmatiquement, un systme dlectrocardiologie automatis ralise :
-

lacquisition et la numrisation des donnes : enregistrement de lECG scalaire 12


drivations et/ou de lECG orthogonal 3 drivations (VCG),

le contrle de la qualit des signaux et ventuellement rejet des tracs trop bruits,

larchivage des donnes,

le prtraitement : dtection des complexes QRS, le choix du complexe PQRST analyser,


la caractrisation prcise des dbuts et fins de chaque onde,

le calcul des paramtres lectriques (les descripteurs),

la recherche de linterprtation : reconnaissance de la forme et diagnostic en termes


mdicaux.

Le traitement automatique est tir de la combinaison de groupe de voies partir de


l'estimation d'une fonction temporelle unique dite fonction de dtection . A titre dexemple
nous pouvons citer la fonction amplitude (Fig. I.12) qui se calcule ( l'chantillon i) par :

A(i) = X 2 (i) + Y 2 (i) + Z 2 (i)

27

Figure. I.12. Trac de la fonction amplitude sur une longueur de 750 points

28

29

I. Introduction
Apparue au cours des annes (50-60), la reconnaissance des formes (RF ou Rdf), Pattern
Recognition , concerne le dveloppement de systmes automatique ou semi-automatiques,
matriels et logiciels, capables de percevoir et de reconnatre des formes de diffrentes
origines reprsentes par des donnes de natures diverses.
Pratiquement, lhomme est le systme de reconnaissance le plus parfait, raison pour
laquelle les systmes de reconnaissances actuels se basent sur des technique qui ont tendance
imiter certaines des ses capacits en le dotant lordinateur, doutils ou capteurs qui lui
offrent par exemple une capacit de vision et daudition.

La finalit dun systme de reconnaissance est dassocier une tiquette la donne


reconnatre qui peut tre une image, un signal ou autre par :

La dfinition prcise des classes entre lesquelles on va dcider et dont le nombre


est suppos connu au dpart.

Le choix dun espace de reprsentation est trs important, car son choix influe
sur la qualit du rsultat. Malheureusement, il ny a pas de rgle gnrale pour
choisir lespace de reprsentation. [20]

II. Domaine dapplication de la RF


Nous citons quelques domaines dapplication de cette discipline [6] :

La reconnaissance de la parole

La reconnaissance de lcriture dactylographie et manuscrite.

La dtection des dfauts dans un produit (dfaut de pices en industrie).

La reconnaissance des empreintes digitales.

Lanalyse des images radiographiques et chographiques (en mdecine)

La surveillance des processus en robotique.

Lanalyse des images satellite pour les prvisions mto (en gophysique).

Lanalyse du sol (en ptrographie).

La surveillance et guidage de cible (en arme).

etc.

30

Actuellement, le progrs de cette discipline ne cesse de se concrtiser, surtout travers la


prolifration de produits commercialisables tels que :


Le systme OCR (Optical Character Recognition) pour la reconnaissance de


lcriture ;

Le systme Via Voice dIBM, pour la reconnaissance vocale.

Ce progrs est d lvolution de la technologie (microprocesseurs, mmoire, camras


digitale, etc.), dautres disciplines (les statistiques, les sciences cognitives,etc.) et des
technologies de traitement (traitement de signal, traitement dimage, compression de
donnes,etc.) [37].

III. Dmarche classique en reconnaissance de formes


- Schma du systme de reconnaissance de forme
La dmarche classique en reconnaissance de formes est fonde sur le schma de la figure
(Fig. II.1) Ce schma nest pas purement linaire, des interactions peuvent apparatre entre les
diffrents niveaux, pour dventuels retours en arrire [6].

Monde
physique

Codage

Prtraitement

Apprentissage

Analyse

Dcision ou
reconnaissance

Figure. II.1. Schma gnral dun systme de RF

31

Chaque tape joue un rle important dans llaboration du processus complet de


reconnaissance.

Le monde physique : ou lespace des formes. Cest lensemble partir duquel


seffectue lacquisition des donnes reconnatre et celles ncessaires la
reconnaissance. Ces donnes sont brutes, dcrites de diffrentes faons, avec une
multitude de proprits et doivent subir une simplification avant le processus de
RF.

Le codage : Appel aussi transduction ou numrisation . Cest la


transformation numrique de la forme analogique en entre du systme de RF, le
plus fidlement possible.

Le prtraitement : Les donnes brutes sont souvent bruites. Le prtraitement


limine les informations parasites ou inutiles dues au bruit issu des conditions
dacquisition, par suppression de la redondance, et correction des erreurs
ventuelles.

Analyse et apprentissage : Comme il est indiqu dans la figure (Fig. II.1), cette
tape est subdivise en deux oprations ou sous-tapes, qui sont respectivement
lanalyse et lapprentissage et que se dfinissent comme suit :

a) Lanalyse : ou extraction des paramtres , ou extraction de


descripteurs , ou simplement paramtrisation . Cest ltape de
calcul dun nombre limit de caractristiques, qui serviront comme seules
donnes dcrivant la forme traite.
b) Lapprentissage : La dcision ncessite de dfinir clairement la
connaissance que lon a sur les formes traiter. Il se charge dclairer la
dcision laide de la reconnaissance faite sur les formes. Il est supervis
ou non-supervis. A partir des critres spcifiques aux formes,
lapprentissage tente de dfinir des modles de rfrence ou de
caractriser des classes de dcision .

32

La dcision : Appele aussi reconnaissance . Cest lultime tape du processus


de RF, partir de la description en paramtres. Au cours de cette phase, il ya une
identification de la forme test ou candidate partir de lapprentissage
ralis.

Les mthodes de dcision et dapprentissage manipulent souvent les mmes critres de


comparaison.

IV. Mthode de dcision :


Il existe deux types de mthodes de dcision ou de reconnaissance :

 Certaines sont fondes sur la notion de proximit et ncessitent ainsi de calculer


un critre de distance ou une probabilit de ressemblance avec les modles
dfinis dans la phase dapprentissage.
 Dautres se basent sur lanalyse de la structure de la forme et tentent plutt dtablir
des critres de cohrence dans les relations entre les diffrentes sous-structures.

Ces deux types de mthodes de RF sont souvent repartis en quatre (4) grandes classes ou
catgories dapproches qui sont :

 Lapproche statistique.
 Lapproche syntaxique ou stochastique.
 Lapproche structurelle.
 Lapproche hybride ou connexionniste.
A chaque des ces catgories, sont associes de diffrentes manires de reprsenter les
exemplaires et les classes et de diverses mthodes pour lapprentissage et la reconnaissance
[6].

33

IV. 1. Approche statistique


Les mthodes statistiques se fondent sur une caractrisation des paramtres tudis. Elles
permettent de prendre une dcision de classification dune forme inconnue suivant un critre
de probabilit maximale dappartenance une classe .
La plupart des mthodes de reconnaissance des formes qui existent appartiennent cette
catgorie.

IV. 2. Approche syntaxique ou stochastique


Les approches stochastiques utilisent, pour la comparaison, un modle prenant en compte une
grande variabilit de la forme. La forme est considre comme un signal observable dans le
temps diffrents endroits constituant des tats dobservation .

Le modle dcrit ces tats laide des probabilits de transitions dtat. La comparaison
consiste chercher dans le graphe dtat le chemin le plus probable.

IV. 3. Approche structurelle


Elle consiste reprsenter des formes complexes quelconques, comme des assemblages
structurs de motifs lmentaires quon appelle en anglais primitives ou features .
Ces primitives peuvent tre : des segments, des arcs, de cerclesetc [25].

IV. 4. Approche hybride ou connexionniste


Lide de base derrire les rseaux de neurones est de sinspirer des proprits du cerveau
pour construire des systmes de calcul capables de mieux rsoudre le type de problmes que
les tres humains savent rsoudre.

En RF, un problme de classification peut tre rsolu en trouvant une fonction, qui est
associe un ensemble de formes de dpart, un ensemble de formes darrive, c'est--dire que
le rseau de neurones joue un rle de fonction de transfert qui fourni la valeur de sortie.

34

- Types de rponses dune dcision


La rponse dune dcision peut prendre lune des trois (03) valeurs suivantes :
 La classe de la forme si la rponse est unique, ce qui conduit un succs .
 Une confusion ou une ambigut si la rponse est multiple, c'est--dire affectation de
la mme forme plus dune classe, telle que ces classes sont distinctes, ce qui
engendre un chec .
 un rejet de la forme en cas dincompatibilit de la description de cette forme avec
les formes de rfrence.

De ces diffrentes rponses, qui peuvent donner une dcision, nous pouvons tirer une ide de
lefficacit ou de la rentabilit du systme de RF, et ce, calculant le score ou le taux
dapprentissage , le taux derreur et le taux de rejet .

35

36

I. Dfinitions

Signal brut : cest une reprsentation temporelle dun signal donn.

Signal trait : cest un signal transform par une quelconque des transformations
mathmatiques.

Temps : exprim en unit physique ou en nombre d'chantillons.

Frquence : cest linverse du temps, elle est exprime en Hertz.

Basses frquences : sont des frquences comprises entre 30 et 300 kilohertz.

Hautes frquences : sont des frquences comprises entre 3 et 30 mgahertz.

Processus alatoire : cest un phnomne qui a une volution imprvisible.

Filtre passe-bas : cest un filtre qui laisse passer les basses frquences.

Filtre passe-haut : cset un filtre qui laisse passer les hautes frquences.

Filtre passe-bande : il laisse passer une gamme de frquences comprise dans un


intervalle [f1, f2]

Signal stationnaire : si sa cause physique est invariante dans le temps.

Signal non stationnaire : si sa cause varie dans le temps.

Dans la pratique, la plupart des signaux sont des signaux dpendant du temps (du domaine
temporel) sous leur format brut. La reprsentation du signal est une reprsentation temps amplitude. Cette reprsentation n'est pas toujours la meilleure pour la plupart des applications
de traitement du signal. Dans beaucoup des cas, l'information la plus pertinente est cache
dans la composante de frquence du signal. Le spectre de frquence d'un signal indique
quelles sont les frquences qui existent dans le signal [12].

II. Les mthodes danalyse et de traitement du signal


Les mthodes danalyse et de traitement du signal ont connu une volution qui a commenc
par lanalyse de Fourier la plus rcente mthode, la thorie des ondelettes passant par
lanalyse de Fourier fentre.

II. 1. Transforme de Fourier


Au 19me sicle (1822), le mathmaticien franais J. Fourier, a prouv que n'importe quelle
fonction priodique peut tre exprime comme une somme infinie de fonctions exponentielles
complexes priodiques.

37

La transforme de Fourier (TF) permet de mesurer la frquence et de trouver le contenu en


frquences d'un signal. Si nous prenons la TF d'un signal du domaine temporel, nous obtenons
la reprsentation frquence amplitude de ce signal. En effet, une description
frquentielle est souvent plus lisible que la description temporelle et est un complment
remarquable la seule description temporelle.
La transformation de Fourier TF(f) associe un signal s(t) scrit comme suit [34] :
+

TF( f ) = s(t )e2ft dt

(1)

o, f est la frquence du terme sinusodal

Elle se dcompose, de faon canonique, en combinaisons linaires dondes lmentaires.


Cette transformation permet de dcrire la rpartition des composantes frquentielles du signal
s(t) sans renseigner sur les instants de lapparition de celle-ci. Les renseignements frquentiels
ainsi obtenus sont au dtriment de la description temporelle explicite du signal s.

Si nous prenons, par exemple, le signal suivant :


s(t) = sin(215t) + sin(240t)
Dans le signal s(t) il existe deux frquences de 15 HZ et 40 HZ, les figures (Fig. III.1) et
(Fig.III.2) montrent la reprsentation temporelle et la reprsentation frquentielle de ce signal.

Figure. III.1. Le signal s(t) dans le domaine temporel

38

Figure. III.2. Le signal s(t) dans le domaine frquentiel

Malgr son immense succs, lanalyse de Fourier a plusieurs inconvnients, en particulier :

Elle permet de connatre les diffrentes frquences existantes dans un signal, mais ne
permet pas de savoir quels instants ces frquences ont t mises,

Elle ne permet pas l'tude de signaux dont la frquence varie dans le temps, (signaux
non stationnaires)

Elle donne une information globale et non locale,

Si le signal contient N points, sa TF ncessitera un nombre doprations gal N*N.

Pour localiser dans le temps des frquences dun signal s(t), nous utilisons la Transforme
de Fourrier fentre . Elle permet de donner une reprsentation Temps Frquence du
signal.

Le paragraphe suivant explique dune faon dtaille la Transforme de Fourrier fentre.

II. 2. Transforme de Fourrier Fentre


En 1940, D. Gabor [31] a prsent la premire forme de reprsentation Temps
Frquence appele Transforme de Fourrier Fentre (TFF). Sa technique consiste
dcouper le signal en diffrentes plages de longueur fixe.

39

Cette technique se base sur une analyse locale cest--dire, chaque plage est tudie
sparment des autres par lanalyse traditionnelle de Fourier, juxtaposant les rsultats sous la
forme dune reprsentation temps frquence ou spectrogramme [29]. Cest un outil
de base pour lanalyse des signaux non-stationnaires. Le signal est suppos stationnaire sur
chaque fentre.

La TFF consiste en la dcomposition du signal s(t) suivant une famille de fonctions ga,b qui
drivent toutes dune mme fonction fentre g(t) par :

Translation en temps (paramtre b)

Modulation en frquence (paramtre a)

La fonction g est multiplie par une fonction sinusodale de frquence a

g a,b (t ) = g (t b) * e 2iat

(2)

O le terme b localise une fentre danalyse. Cette transformation scrit [29] :

C (a , b ) =

s ( t ) g a , b ( t ) dt

(3)

C(a,b) est la transforme de Fourrier fentre du signal s (t) sur une fentre de largeur b, selon
une frquence a.

La figure (Fig. III.3) montre le plan temps frquence . Les bandes verticales illustrent
pour un temps b donn, le fentrage du signal calcul pour toutes les frquences . Une
autre interprtation, base sur la notion de banc de filtres, est montre par les bandes
horizontales.

40

Figure. III.3. Le plan temps-frquence [35]

Cette transformation conserve les aspects temporels et frquentiels du signal. Cependant le


fait de dcomposer un signal suivant des fonctions la fois localises en temps et en
frquence ne peut se faire que dans la limite impose par lingalit de Heisenberg [55].

En effet :
Si g(t) est une fonction fentre et G(f) sa transformation de Fourier, la rsolution en frquence
f est dfinie par [55] :
2

f G( f ) df
=
G( f ) df
2

f 2

(4)

De la mme faon, la rsolution en temps t est dfinie par :

t g (t )
=
g (t )

dt
(5)

dt

Heisenberg montre que :


t.f

1
4

(6)

41

Daprs ce principe, aucun signal ne peut tre simultanment localis en temps et en


frquence. Lamlioration de la rsolution frquentielle nest possible quau dtriment de la
rsolution temporelle, et vice versa.

Gabor [31] a choisi g de manire optimale dans les limites imposes par cette ingalit. Il a
choisi la fonction la plus concentre, cest--dire le signal gaussien.

Les tapes de lalgorithme de la TFF sont :


1. Choisir une fonction fentre de longueur finie b.
2. Placer la fentre sur le dbut du signal au temps t = 0.
3. Tronquer le signal en utilisant cette fentre.
4. Calculer la TF du signal tronqu.
5. Dcaler incrmentalement la fentre vers la droite.
6. Revenir au pas 3, jusqu' ce que la fentre atteigne l'extrmit du signal.

Les inconvnients majeurs de cette transformation sont :

On ne peut pas savoir quelle frquence existe un instant donn.

Une fois que la fonction g est choisie, la rsolution en temps et en frquence, donne
par les variables a et b, est fixe.

Si le signal est compos de phnomnes dont les chelles de temps sont diffrentes,
elle ne permet pas de les analyser simultanment avec une bonne rsolution en temps
et en frquence.

II. 3. Transforme en ondelettes


Les ondelettes sont un outil rcent de traitement du signal permettant lanalyse, plusieurs
chelles de temps, des proprits locales de signaux complexes pouvant prsenter des zones
dinstationnarit. Elles donnent lieu de nombreuses applications des domaines varis,
comme par exemple :

La compression [9], [44], [57] et, en particulier, la compression dimage o les


ondelettes constituent une mthode trs comptitive. Elles permettent, grce des
reprsentations gnralement trs creuses, de rduire considrablement le nombre
dinformation coder.

42

Le d-bruitage : le d-bruitage [59], [68], [19] dans le domaine des ondelettes signifie
la rejection du bruit par un seuillage adquat.

Lauthentification, le tatouage numrique, la cryptographie et bien dautres domaines


[66].

On distingue deux familles dondelettes :

Les ondelettes continues.

Les ondelettes discrtes.

II. 3. 1. Transforme en ondelettes continues


Pour palier la limitation de rsolution du TFF, J. Morlet a repris la dmarche de Gabor en
choisissant la fonction diffrente de g [5]. Pour que t et f varient dans le plan tempsfrquence, la famille de nest pas construite par translation et modulation comme celle de g,
mais par translation et dilatation ou contraction (changement dchelle). On a une
reprsentation temps chelle (Fig. III.4).

Frquence

Echelle

Temps

Figure. III.4. Plan temps-chelle.

43

L'analyse d'ondelette est faite d'une manire semblable l'analyse de la TFF. Le signal est
multipli par une fonction, ondelette, semblable la fonction de fentre dans la TFF, et la
transformation est calcule sparment pour diffrents segments du signal dans le domaine
temporel.

La diffrence principale entre la TFF et la transforme en ondelettes continues (TOC) est que
dans le cas de TOC, la largeur de la fentre sera change pendant la transformation et sera
calcule pour chaque frquence.

La figure (Fig. III.5) montre la rsolution temps frquence de la TFF et la rsolution


temps chelle de la TO.

Figure. III.5. Rsolution temps-frquence (a) et rsolution temps-chelle (b) [52].

La position sur l'axe horizontal d'un pav (rectangle) lmentaire de la reprsentation temps
chelle dpend, bien sr, du dcalage b, mais aussi du facteur d'chelle a. Sa position sur l'axe
vertical dpend, elle aussi, du facteur d'chelle a. De mme, les dimensions du pav
(rsolution de l'ondelette a,b ) dpendent du facteur d'chelle a.

44

La fonction (t), de la variable rel t, sappelle ondelette mre . Le nom dondelette vient
du fait que cest une fonction oscillante (comme une onde), mais localise. Ces conditions
suggrent que (t) vibre comme une onde et dcroit rapidement quant t augmente [50]. La
famille dondelette a,b(t), a>0, b R, scrit :

1 t b

a a

a,b (t ) =

(7)

a : Facteur dchelle qui est linverse de la frquence (a>0)


b : Facteur de dcalage, reli la notion de position temporelle. (b R)

Les fonctions dondelettes a,b(t) sont obtenues partir de la dilatation (ou contraction) et de
la translation (ou dcalage) de la fonction mre ou analysante (t). Elles sont par
consquent parfois appeles les ondelettes filles .

Les chelles tel que a > 1 dilatent les signaux (basses frquences), tandis que les chelles tel
que a < 1, compriment les signaux (hautes frquences).

La notion de frquence est ainsi remplace par la notion dchelle, pour tenir compte des
hautes et des basses frquences. Cette reprsentation sappelle reprsentation temps
chelle .

L'exemple ci-dessous (Fig. III.6) montre l'une des ondelettes de la bibliothque de MUSTIG
[52], avec diffrents facteurs de dilatation :

Figure. III.6. Diffrents facteurs de dilatation dune ondelette [52]

45

La position de l'ondelette une chelle donne peut facilement tre modifie en dcalant
simplement l'ondelette (Fig. III.7) :

Figure. III.7. La position dune ondelette une chelle donne [52]

Soit s(t) le signal analyser. La transforme continue par ondelette est dfinie donc par le
calcul des coefficients :

1
t b
C(a,b) =
s(t)

a
a

(8)

Les tapes de lalgorithme de la TOC sont les suivantes :


1. Choisir londelette mre (t) ;
2. Initialisation de a et b ;
3. L'ondelette mre est place au dbut du signal au point qui correspond au temps t = 0
4. Calculer la valeur de C(a,b),
5. Translater (ou dcaler) londelette mre vers la droite par une valeur b
lemplacement t = b ;
6. Revenir ltape 4, jusqu' ce que londelette atteigne l'extrmit du signal, (une
range des points sur le plan temps-chelle pour une valeur de a est maintenant
accomplie) ;
7. Incrmentation de a ;
8. Revenir ltape 3, jusqu' une valeur dsire de a.

46

Remarque :
Notons quil sagit dune transformation continue, et donc, a et b doivent tre incrments
continuellement. Cependant, si cette transforme a besoin d'tre calcule par un ordinateur,
alors les deux paramtres sont augments par un pas suffisamment petit.

Lalgorithme prcdent est rpt pour chaque valeur de a. Chaque calcul pour une valeur
donne de a remplit une range simple correspondante du plan temps-chelle. Quand le
processus est complt pour toutes les valeurs dsires de a, la TOC du signal a t calcul.

La figure (Fig. III.8) reprsente lexemple dun signal sinus bruit s(t) (Fig. III.8), avec un
facteur de dcalage b gal 1 et un facteur dchelle a vari entre 1 et 10 avec un pas gal 1.

Figure. III.8. Le signal sinus bruit et sa transformation dondelette continue [46]

47

II. 3. 1. 1. La transforme inverse continue en ondelettes


La transforme inverse continue en ondelettes (TICO), permet la reconstruction du signal
partir des coefficients Ca,b de la dcomposition. La TICO dun signal f(t) est donne par la
formule suivante [47] :

f (t ) =
a

a ,b

. a ,b (t ) da.dt

(9)

II. 3. 1. 2. Conditions mathmatiques de validit dune ondelette


Lexistence de la transformation inverse dpend de la convergence du coefficient C [58].
C =

(f)

df <

(10)

o (f) est la transforme de Fourier de (t).

La moyenne ou composante continue de la fonction dondelette (t) doit tre nulle, cest-dire elle doit respecter la relation suivante [55].
+

(t )dt = ( f )

f =0

=0

(11)

La fonction (t)doit tre continue, absolument intgrable et de carr intgrable [5].


+

( (t ) )

dt <

(12)

II. 3. 1. 3. Proprit dune ondelette mre


- Moments nuls : Cest la proprit la plus importante pour une ondelette. Une ondelette (t)
a N moments nuls si :
+

M k = t k (t )dt = 0

0k<N

(13)

Daprs la dernire quation de Mk, toute ondelette se doit davoir au moins un moment nul
(le cas o k=0, quation (11)).

- Support compact : Autant londelette a moins de moments nuls autant son support est
compact, et une analyse plus exacte des hautes frquences est possible.

48

- Rgularit : La rgularit dune ondelette est la proprit permettant de localiser les


singularits dans un signal. On peut noter quil existe un lien entre la rgularit et les
moments nuls. Autant on a des moments nuls autant le signal est rgulier.

- Symtrie : comme le nombre de moments nuls, la symtrie de londelette conditionne la


rgularit de celle-ci sur un intervalle.

- Orthogonalit : Lorthogonalit dune ondelette est la proprit permettant dliminer la


redondance dinformations.

II. 3. 2. Transformation en ondelette discrte


Nous la notons (TOD). Son but est daugmenter lefficacit de la dcomposition obtenue par
la (TCO), en limitant le nombre de facteurs dchelle tout en conservant la mme prcision.
La discrtisation de lanalyse en ondelettes est utile pour le traitement numrique des donnes
[13].

II. 3. 2. 1. Implmentation des ondelettes discrtes par bancs des filtres


II. 3. 2. 1. 1. Algorithme de Mallat
Le principe gnral de lalgorithme de Mallat [45] est bas beaucoup plus sur lutilisation de
la complmentarit des deux filtres, passe-bas et passe-haut, qui vont servir lextraction
dinformations caractrisant les transitions lentes et les transitions rapides du signal.

Le signal s(n) est dcompos par deux filtres DPB (Dcomposition Passe-Bas) et DPH
(Dcomposition Passe-Haut), pour donner deux vecteurs respectivement A Approximation
et D Dtails (Fig. III. 9.a). Cette opration sappelle aussi filtrage par une paire de filtres
complmentaires. Le vecteur A reprsente les basses frquences (transitions lentes) et le
vecteur D reprsente les hautes frquences (transitions rapides).

Si le signal traiter s(n) possde N points, le signal dapproximation et le signal de dtails


feront aussi N points chacun, soit 2N en tout. Pour y remdier, le filtre passe-bas est choisi de
telle sorte que le sous-chantillonnage soit dun facteur 2 (on ne prend quun point du signal
sur deux) pour chaque signal dapproximation et de dtail. On se ramne deux signaux de

49

longueur N/2, soit N points en tout (Fig. III.9.a), il nya alors pas de changement dans la
quantit dinformation [60].

La reconstruction parfaite est thoriquement possible. En faisant passer respectivement les


deux vecteurs A et D par deux filtres RPB (Reconstruction Passe-Bas) et RPH
(Reconstruction Passe-Haut), la sortie est le vecteur dorigine s(n) (Fig. III.9.b).

Lopration de dcomposition et reconstruction sont schmatiss par la figure suivante :


DPB

RPB

s(n)

s(n)

DPH

a : Dcomposition du signal s(n)

RPH

b : Reconstruction du signal s(n)

Figure. III.9. Algorithme de Mallat uni-dimensionnel.

Ces oprations sont communment appeles dcomposition/reconstruction en banc de


filtres . Elles sont caractristiques des signaux unidimensionnels. Le quadruple (DPB, DPH,
RPB, RPH) forme un banc de filtres miroirs en quadrature [45].

II. 3. 2. 1. 2. Architecture pyramidale


Larchitecture pyramidale se base sur la dcomposition du signal en deux signaux :
approximations (Ak) et dtails (Dk). Le signal approximation Ak est son tour dcompos en
approximation Ak+1 et dtails Dk+1 et ainsi de suite.
La figure (Fig. III.10) illustre cette stratgie [51].

50

s(n)

A1

A2

D1

D2

Niveau 1

Niveau 2

Niveau k
Ak

Dk

Figure. III.10. Dcomposition pyramidale

II. 3. 2. 2. Analyse multirsolution


Le filtrage par une paire de filtres complmentaires prcdemment dcrit se traduit par un
passage une rsolution inferieure chaque tape. La TOD est aussi appele analyse
multi rsolution , introduite par Meyer [49], puis dveloppe par Mallat [45] et devenue
Algorithme pyramidal de Mallat . Elle produit par filtrages successifs une srie de signaux
correspondant une rsolution de plus en plus faible.
Aprs la kime itration, la longueur du signal dapproximation et du signal de dtail est de
N/2k [48].

II. 3. 2. 3. Ondelette dyadique


Trs souvent on choisit une rsolution dyadique pour simplifier les calculs. La dfinition des
ondelettes dyadiques est base sur celle des approximations multi-rsolution. Cette proprit
permet dimplmenter les transformes par des bancs de filtres.
Elle est caractrise par : a = a 0m et b = b0n avec a0, b0 Z. On obtient alors une transforme
en ondelettes discrtes.

51

Si on choisit a0=2 et b0=1, cest lquivalent de a=2j et b=k*2j ; on parle alors de transforme
en ondelette dyadique, o j est le niveau de dcomposition [24].
Les nouveaux paramtres sont : k et j, et on dfinit ainsi une base orthogonale.

j , k = 2 j / 2 ( 2 j t k )
Pour sparer les deux signaux approximation et dtail, La TOD utilise deux fonctions
appeles respectivement fonction chelle et fonction ondelette qui sont respectivement
associes un filtre passe-bas et un filtre passe-haut.

II. 3. 2. 4. Coefficients de la TOD


Une tape lmentaire de la TOD, donne un signal dapproximation et un signal de dtail. Les
chantillons des signaux de dtail sont appels coefficients de fonction dondelettes . En
principe, seuls les chantillons des signaux de dtail sont appels ainsi. Les chantillons des
signaux dapproximation devraient tre appels coefficients de fonction dchelle .
Par abus de langage, nous appelons souvent coefficients dondelettes lintgralit des
chantillons obtenus (approximations et dtails) [60].

III. Familles dondelettes


Avant de dtailler quelques familles dondelettes usuelles, nous dressons dans le tableau
suivant (Tab. 1) la liste de quelques unes de ces familles, avec les abrviations associs.
Nom des familles dondelettes
Ondelette de Haar

Abrviations
Haar

Ondelettes de Daubechies

Db

Ondelettes Symlets

Sym

Ondelettes Coiflets

Coif

Ondelettes biorthogonales

Bior

Ondelette de Meyer

Meyr

Ondelettes gaussiennes

Gaus

Ondelettes gaussiennes complexes

Cgau

Chapeau mexicain

Mexh

Ondelette de Morlet

Morl

Ondelette de Morlet complexe

Cmor

Ondelettes de Shannon complexes

Shan

Tab.1. Familles dondelettes


52

Les familles dondelettes peuvent tre caractrises par quatre proprits principales :
existence de filtres associs, orthogonalit ou biorthogonalit, support compact ou non,
ondelettes relles ou complexes. Le tableau (Tab. 2) rsume ces diverses proprits.

Ondelettes filtres

Ondelettes sans filtres

A support compact

A support non compact

Relles

Complexes

Orthogonales Biorthogonales

Orthogonales

gaus, mexh,

cgau, shan,

Meyr

morl

cmor

Db, haar,

Bior

sym, coif

Tab. 2. Les proprits principales des ondelettes

Les ondelettes filtre sont associes des analyses multirsolution orthogonales ou


biorthogonales ; la transforme discrte et les calculs rapides en utilisant lalgorithme de
Mallat [45] sont alors possibles. Les ondelettes sans filtre, en revanche, sont utiles pour la
transforme en ondelettes continues.

En gnral, les ondelettes support compact nont pas de forme analytique (c'est--dire : on
sait comment calculer la fonction, mais on ne peut pas lexprimer avec une formule
mathmatique).

III. 1. Ondelettes de Daubechies


Cette famille dondelettes (dbN) un paramtre, due I. Daubechies [15], est la premire
permettant de manipuler des ondelettes orthogonales support compact de rgularit
arbitraire, on dira que N est lordre de londelette dbN.

Cette famille contient londelette de Haar (db1), qui est la plus simple et certainement la plus
ancienne des ondelettes. Elle est discontinue, ressemble un chelon.

La fonction dondelette de Haar est dfinie par (Fig. III.11) :

( x) = 1 si x [0,0.5[, ( x) = 1 si x [0.5,1[ et 0 sinon.


La fonction dchelle associe est la fonction chelon :

( x) = 1 si x [0,1] et 0 sinon.

53

a : Fonction dchelle

b : Fonction dondelette

Figure. III.11. La fonction dchelle et la fonction dondelette de haar

Hormis db1, les ondelettes de cette famille nont pas une formule analytique. Ces ondelettes
pour les ordres de 2 10 (db2, db3,, db10) sont prsentes dans la figure (Fig. III.12).

db2

db5

db8

db3

db6

db9

db4

db7

db10

Figure. III.12. Les ondelettes de Daubechies


54

Cette famille dondelettes possde les proprits suivantes :

Le supports des et de sont de longueur 2N-1. Le nombre de moments nuls de est


N;

Les ondelettes dbN sont asymtriques, en particulier pour les faibles valeurs de N, sauf
londelette de Haar ;

La rgularit augmente avec lordre ;

Lanalyse est orthogonale.

Pour les deux type dondelettes db4 et db8, on trouve dans les figure (Fig. III.13 et Fig. III.14)
en plus de londelette, la fonction dchelle et les quatre filtres associs (deux pour la
dcomposition, deux pour la reconstruction).

Figure. III.13. Ondelettes de Daubechies (db4)

55

Figure. III.14. Ondelettes de Daubechies (db8)

III. 2. Ondelettes de Symlets


Les symlets (symN) constituent une famille dondelettes presque symtrique, propose par I.
Daubechies en modifiant la construction des dbN. A part la symtrie, les autres proprits des
deux familles sont similaires. Les symlets dordre 2 8 (sym1 est simplement londelette de
Haar) sont prsentes dans la figure (Fig. III.15) [15]. De plus, pour deux dentre elles (sym4
et sym8), on trouve dans les figure (Fig. III.16 et Fig. III.17) en plus de londelette, la fonction
dchelle et les quatre filtres associs (deux pour la dcomposition, deux pour la
reconstruction).

56

sym2

sym5

sym6

sym3

sym7

sym4

sym8

Figure. III.15. Les ondelettes de symlets

Figure. III.16. Ondelettes de Symlets (sym4).


57

Figure. III.17. Ondelettes de Symlets (sym8).

III. 3. Ondelettes de Coiflets


Construite par I. Daubechies sur la demande de R. Coifman [15], les coiflets (coifN)
constituent une famille dondelettes possdant une proprit inhabituelle. Non seulement,
comme pour les deux familles prcdentes, londelette associe coifN 2N moments nuls.
Les deux fonctions et ont un support de longueur 6N-1. Les coiflets dordre 1 5 sont
reprsents la figure (Fig. III.18).

58

coif1

coif2

coif3

coif4

Coif5

Figure. III.18. Les ondelettes de coiflets

Pour deux dentre elles (coif3 et coif5), on trouve dans les figures (Fig. III.19 et Fig. III.20)
londelette, la fonction dchelle et les quatre filtres associs.

Figure. III.19. Ondelettes de Coiflet (coif3)

59

Figure. III.20. Ondelettes de Coiflet (coif5).

IV. Le choix de la meilleure ondelette


Dans la littrature il existe plusieurs types dondelette. Le critre de choix de la meilleure
ondelette reste un problme dterminer. Malheureusement, il ny a pas dondelette qui soit
meilleure que les autres, tout dpend de lapplication. Dans certains cas, londelette la plus
simple (Haar) sera optimale. Pour dautres applications, ce sera le pire des choix possibles.

Les fonctions gaussiennes sont souvent utilises comme ondelettes pour la transforme
continue en raison de leur bonne rsolution [3]; cependant elles sont difficiles implmenter.
A titre dexemple, les ondelettes suivantes ont t utilises : db2 [30], db4 [40], db8 [42],
coif3 [36], bior4.4 [2], [1].

En pratique le choix de la meilleure ondelette se base sur :

La forme de londelette analysante : plus la fonction ressemble lvnement


traiter, plus lanalyse sera efficace.

Les Proprits mathmatiques (moments nuls, rgularit,).

ad hoc : une ondelette qui permet un traitement de signal efficace est acceptable,
mme si elle nest pas la meilleure possible.

60

En thorie, plus la fonction ressemble lvnement traiter, plus lanalyse sera efficace. De
toute faon, une ondelette optimale pour les signaux mesurs lors dune certaine
exprimentation dans un domaine donn ne le serait pas ncessairement lors dune autre prise
de mesures pour un autre domaine.

Remarque : En bref, si la fonction analyser tait analytique, il serait idal davoir un trs
grand nombre de moments nulles [62].

61

V. Etat de lart sur les applications des ondelettes en ECG


Les domaines dapplications des ondelettes sont trs nombreuses (mdicales, gologies,
informatiques).
Nous avons focalis notre recherche bibliographique sur les applications des ondelettes en
ECG, parmi lesquelles nous pouvons citer :

o Classification des ECG.


o Dbruitage des ECG.
o Dtection des vnements dans le signal ECG.
o Compression des ECG.

Classification des ECG


Debbal [16] dans ses travaux relatifs la classification des signaux lectrocardiographiques
(ECG) a utilis la transforme en ondelettes discrte.
Pour choisir la meilleure ondelette mre analysante, il sest bas sur la dcomposition et la
restitution du signal brut en sappuyant sur lutilisation de lanalyse multi-rsolution. Les
ondelettes orthogonales (db, sym et coif) et les ondelettes biorthogonales (bior) ont t
utilises. Il a montr que londelette de Daubechies dordre sept (db7) avec un niveau de
dcomposition gal sept est la plus approprie pour lanalyse des signaux

Fayyaz-ul-Amir [26], dans son travail a utilis la transforme en ondelette discrte. Il a


prsent une approche pour la classification de six types de battements. En utilisant la
transforme en ondelette, les caractristiques sont extraites du complexe QRS de lECG.
En outre, l'analyse en composante principale (ACP) a t utilise pour rduire le nombre des
caractristiques.

62

Dbruitage des ECG


Benabdellah [7] sest intress au dbruitage des signaux ECG. Dans ses travaux il dtecte le
bruit par le biais de londelette chapeau mexicain (Sombrero). Il limine le bruit par le biais
des ondelettes de Debauchies (le dbruitage concerne notamment llimination du bruit de
rseau). Enfin, il compare les rsultats avec ceux obtenus par le filtrage numrique.
Il a montr que
o Les ondelettes de Debauchies donnent de meilleurs rsultats par rapport au
filtrage numrique. En effet le filtrage numrique nest plus efficace ds que le
bruit de rseau fluctue autour du 50Hz, alors que la mthode des ondelettes
reste efficace puisque le bruit est limin par tapes.
o La transforme en ondelette est trs efficace pour llimination des drives
dues au mouvements respiratoires

Dans le travail de Rodney Tan [56] relatif au dbruitage, la famille dondelettes de Coiflet a
t utilise. Le signal ECG est dcompos en 5 niveaux.
Londelette de coiflet dordre 5 (coif5) a ralis la meilleure performance de dbruitage pour
le troisime niveau de dcomposition du signal ECG

Dtection des vnements dans le signal ECG.


Djouaher [17] a consacr ses es travaux consacrs la dtection du segment S-T de lECG par
lutilisation des ondelettes. Il a appliqu une technique pour dtecter les diffrentes ondes
constituant le signal par dcomposition dyadique en utilisant une ondelette biorthogonale.
Connaissant les valeurs (dure et amplitude des diffrentes ondes constituant le signal
cardiaque dun sujet sain), il a propos de calculer les caractristiques du segment S-T.
Les rsultats obtenus montrent que les amplitudes et les diffrents segments de l'ECG peuvent
tre estims avec une bonne prcision.

63

Dans le travail de

Hassanpour

[34], il est question dextraire lECG ftale dun ECG enregistr

sur labdomen de la mre. Lalgorithme se droule en deux tapes :


o LECG de ftus est extrait du signal original en utilisant une transforme
dondellette deux niveaux. Londelette de Daubechies a t choisie.
o Le signal rsultat est pass sur un filtre passe-bas de type Savitzky-Golay
pour baisser leffet de bruit.

Le travail de Djouaher [18] sinscrit dans le cadre global de la segmentation et analyse de


londe P dun ECG pour le dpistage danomalies auriculaires en se basant sur lutilisation
des ondelettes discrtes. La fibrillation auriculaire (FA) correspond au disfonctionnement des
oreillettes. Elle reprsente lune des arythmies cardiaques les plus courantes. Dans ce travail
une mthode dextraction et danalyse automatique de londe P a t propose.
Lanalyse de cette onde dactivation est trs importante dans le cas de sujets risque de FA.
Lanalyse est faite en utilisant la drivation standard (DII) o les ondes dactivation sont plus
lisibles. Cette mthode dextraction se droule en deux tapes :
La premire tape consiste dtecter puis supprimer les complexes QRS en faisant appel
lanalyse multirsolution. Aprs la segmentation, la deuxime tape consiste isoler londe P;
ceci facilite son analyse et le calcul de certains paramtres pouvant indiquer sil y a risque de
FA.

Benatia [8] dans ses travaux relatifs lanalyse et traitement du signal sest intress la
dtection du complexe QRS du signal ECG.
La prsence de bruit, entrane de nombreuses fausses dtections du complexe QRS.
Dans cette tude, il a utilis la mthode de Pan et Tompkins pour dtecter les complexes
QRS.
Il dcompose le signal ECG en utilisant deux types dondelettes, celle de Haar et celle de
Coiflet. Il effectue ensuite le produit des coefficients dondelettes du niveau basse rsolution
de Coiflet avec un niveau haute rsolution de Haar. Enfin il applique la mthode classique de
Pan et Tompkins, pour dtecter le complexe QRS.
Lutilisation de la mthode de Pan et Tompkins amliore par les ondelettes donne de bons
rsultats. Elle permet de minimiser le nombre de fausses dtections.
64

Compression des ECG


Les travaux de Benzid [10] portent sur la compression du signal ECG. Il a propos un
algorithme qui se base sur le pourcentage de coefficients dondelette infrieurs ou gaux un
seuil.
Plusieurs ondelettes mres ont t utilises, il a montr que londelette biorthogonale (bior4.4)
donne les meilleurs rsultats. Le signal ECG est dcompos en utilisant larchitecture
dondelette pyramidale jusquau niveau six.

Dautre travail [23] portant sur lapplication des ondelettes sur des donnes relatifs lactivit
cardiaque ont t abordes. On peut citer les travaux portant sur le signal lectromyogramme
(EMG)

65

66

I. Introduction
La dure de l'onde QRS du signal ECG est d'une importance primordiale dans le diagnostic de
diffrentes pathologies cardiaques. Le traitement automatique de l'ECG ncessite le choix
d'une forme de reprsentation du groupe de drivation par une fonction temporelle unique
appele fonction de dtection. L'une des plus simples estimer est la fonction amplitude
spatiale (cf. Chap.1). Dans ce travail nous nous intressons plus particulirement la
localisation de cette onde de faon automatique. Par "localisation" nous entendons approcher
le mieux possible le dbut rel de l'onde QRS en s'affranchissant l'introduction d'hypothses
ou de biais qui seront difficilement vrifiable dans la pratique. La plus part des systmes [61]
se basent en phase de localisation de QRS sur l'extraction du segment situ avant le pic de
l'onde R tout en s'appuyant sur la dfinition de faon heuristique de plusieurs paramtres.
Notre approche de localisation se base sur la modlisation par les ondelettes.

II. Approche de localisation


Les tapes de la stratgie mise en uvre dans la localisation de l'onde QRS peuvent tre
rsume comme suit :

1. Choix des drivations traiter (donnes).


2. modlisation par la TO.
3. Choix de l'ondelette (type et niveau de dcomposition).
4. Localisation.

67

X 2 +Y 2 + Z2

Donnes

Fonction amplitude

Dcomposition en 10 niveaux

Niveau 1
App 1

Choix de londelette
Dcomposition

Modlisation par
les ondelettes

Base de donne de 155 tracs sur 750 points

Choisir une ondelette

Niveau 10
App 10
Dt 1 Dt 10

Dt 1

Choisir une valeur minimale pour chaque niveau (pointeur_calcul)

Calculer lerreur pour chaque niveau (erreur =pointeur_calcul - pointeur_rfr)

Critique des rsultats

Rsultats

Localisation

Slectionner un intervalle de recherche de 80 points pour chaque niveau

Traiter
toutes les
ondelettes

Non

Oui
Choisir la meilleur ondelette

Choisir le meilleur niveau de dcomposition

Figure. IV.1. Mthologie de lapproche de localisation


68

II.1. Donnes
Le groupe de travail de laction C.S.E. [61] a recommand lutilisation des banques de
donnes C.S.E. comme standard pour lvaluation des programmes danalyse des ECG/VCG.
Cest pourquoi nous utiliserons la banque de donne data set 1 pour laquelle nous
pouvions connatre les positions des points relatifs aux diffrentes onde appels pointeurs
rfrs. [61], [64].

Grce DS1, nous construisons un ensemble dapprentissage qui nous servira valuer
notre approche. Les tracs (X,Y,Z) relatifs au VCG ont principalement t choisis eu gard
l'orthogonalit des 3 voies (donc non redondance des informations).

Le traitement automatique se base sur le calcul dune fonction unique. Dans le cas des trois
voies (X,Y,Z) du VCG, la fonction nergie ou amplitude est reprsente par :

A(i) = X 2 (i) + Y 2 (i) + Z 2 (i)

o i est le iime chantillon (Fig. IV.2).

69

2500
3000

2000

2500
2000

1500

1500

1000

1000

500

500

-500
-500

-1000
0

-1000
0

50

100

150

200

250

300

50

100

150

200

250

300

350

300

350

350

voie X

voie Y

1400

4000

1200

3500

1000
3000
800
600

2500

400

2000

200

1500

0
1000
-200
500

-400
-600
0

50

100

150

200

250

300

350

0
0

50

voie Z

100

150

200

250

fonction amplitude

Figure. IV.2. Exemple de trac de 350 points des 3 voies du vectocardiogramme et de la


fonction de dtection amplitude A(i) du cas CSE n5 de la DS1. Laxe horizontal reprsente
lchantillon. Laxe vertical est en v. Dbut rfr lchantillon 153.

Notre base de donnes contient 155 tracs de longueur 750 points, chacun regroupant des cas
(battements) sains et des cas pathologiques. Chaque cas est reprsent par une fonction de
dcision appele : fonction amplitude (Fig. IV.2).

II.2 Modlisation par la transforme en ondelettes


Nous avons choisi de modliser nos donnes par la TO, qui permet une reprsentation
multirsolution a partir de laquelle nous serons capables de sparer les variations lentes dites
approximations (QRS complet) des variations rapides nommes dtails (la dflexion ngative
Q). Cette sparation nous facilitera ltape suivante de localisation .

70

II.2.1. Choix de londelette


Les ondelettes discrtes ont t choisies cause du caractre discret du signal. Nous avons
opt pour londelette de Daubechies cause de son motif qui est proche de celui du complexe
QRS (cf. Chap.3).

Londelette de Daubechies est discrte et orthogonale permettant ainsi la suppression de la


redondance.

Le choix de la meilleure ondelette reste un problme rsoudre. Il ny a pas dondelette qui


soit meilleure que les autres, tout dpend de lapplication. Une ondelette peut tre optimale
pour certaines applications et mauvaise pour dautres.

Lanalyse du choix de londelette (ondelette-mre) sera effectue sur la base dun test de
plusieurs ondelettes analysantes de Daubechies (db2, db3,, db 10) (cf. Chap3). Le choix se
basera sur l'apprciation de lerreur qui existe entre le pointeur rfr et le pointeur calcul.

II.2.2. Dcomposition
Chaque ondelette possde un niveau maximum de dcomposition au-del duquel la
dcomposition ne sera plus utile, nous arrtons la dcomposition au dixime niveau selon les
diffrentes variantes de londelette de Daubechies, car au del notre signal perd sa forme
initiale.

A titre dexemple, la figure (Fig. IV.3) correspond la dcomposition de la fonction


amplitude du cas CSE n 5 par londelettes de Daubechies db9 (cf. Chap3).

En partant du haut de la figure les tracs dans lordre correspondent :

Trac de la fonction amplitude.

Le trac gauche (a) et droit (b) du premier niveau correspond au premier niveau de
dcomposition (approximation et dtail respectivement).

Les deux derniers tracs en bas correspondent au dixime niveau de dcomposition.

71

Figure. IV.3. Dcomposition de lECG du cas CSE numro 5 sur 750 points de la DS1 en 10 niveau en utilisant
londelette de Daubechies (db9)
(a) : reprsentation de lapproximation Aj
(b) : reprsentation du dtail Dj

72

II.3. Localisation
L'examen de la figure (Fig. IV.3) montre que plus on monte dans les niveaux de
dcomposition plus le signal sera encore filtr, et la perte dinformation accentue.

Pour localiser automatiquement londe QRS, nous calculons la valeur minimale de


lapproximation pour chaque niveau. Cette valeur sappelle : pointeur calcul.

Pour viter lambigut dans la dtection de londe P, il a t ncessaire de diminuer la zone


de recherche dans une zone qui soit assez lisse et pouvant contenir le dbut de londe QRS.

Lexprience a montr qu'une zone de recherche de longueur 80 points situe avant le pic de
R est largement suffisante pour contenir le dbut rel de QRS (Fig. IV.4).

Figure. IV.4. La zone de localisation sur 80 points avant le pic (cas CSE n 5)

73

La figure (Fig. IV.5) illustre sur des tracs de la fonction amplitude la valeur du pointeur
rfr et la valeur calcule. Trois situations sont possibles :
-

Les deux valeurs concident (Fig. IV.5.a) ;

Le pointeur calcul se trouve aprs le pointeur rfr, on dtecte alors tardivement


(Fig. IV.5.b) ;

Le pointeur calcul se trouve avant le pointeur rfr, on dtecte alors de faon


prcoce (Fig. IV.5.c).

Figure. IV.5. Visualisation du pointeur rfr et du pointeur calcul sur la fonction amplitude A(i) pour des diffrentes
situations

La figure (Fig. IV.6) correspond la dcomposition en plusieurs niveaux de la fonction


amplitude dun exemple de trac numro 5 en utilisant londelette de Daubechies dordre 9
(db9). Nous avons calcul pour chaque niveau j (j=1,10) le pointeur calcul et nous lavons
compar avec le pointeur rfr

74

Figure. IV.6. Dcomposition de lECG du cas CSE numro 5 sur 750 points de la DS1 en 10 niveau en utilisant
londelette de Daubechies (db9).

Les variantes de londelette de Daubechies (cf . Chap.3) sont : db2, db3, db4, db5, db6, db7,
db8, db9, db10.
Chaque signal de la base de donne sera dcompos en 10 niveaux pour toutes les variantes
de londelette de Daubechies

75

III. Rsultats
Lhistogramme (Fig. IV.7) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-5,+5].

db2

db3

db4

db5

db6

db7

db8

db9

db10

Nombre d'erreurs dans l'intervalle [-5,5]

120
100
80
60
40
20
0
niv 1

niv 2

niv 3

niv 4

niv 5

niv 6

niv 7

niv 8

niv 9

niv 10

Niveau

Figure. IV.7. Nombre de cas dont lcart de localisation est situ dans lintervalle [-5,+5].

Londelette de Daubechies (db9) dont le niveau de dcomposition est gal 4 possdent le


plus des cas (103) dont lerreur de localisation ne dpasse pas en valeur absolue la valeur de 5
points.

76

Lhistogramme (Fig. IV.8) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-4,+4].

db2

db3

db4

db5

db6

db7

db8

db9

db10

N o m b re d 'e rre u rs d a n s l'in t e rv a lle


[ - 4 ,4 ]

100
90
80
70
60
50
40
30
20
10
0
niv 1

niv 2

niv 3

niv 4

niv 5

niv 6

niv 7

niv 8

niv 9

niv 10

Niveau

Figure. IV.8. Nombre de cas dont lcart de localisation est situ dans lintervalle [-4,+4].

Londelette de Daubechies (db9) dont le niveau de dcomposition est gal 4 possdent le


plus des cas (87) dont lerreur de localisation ne dpasse pas en valeur absolue la valeur de 4
points.

77

Lhistogramme (Fig. IV.9) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-3,+3].

N o m b r e d 'e r r e u r s d a n s l'in t e r v a lle [ - 3 ,3 ]

db2 db3 db4 db5 db6 db7 db8 db9 db10


80
70
60
50
40
30
20
10
0
niv 1

niv 2

niv 3

niv 4

niv 5

niv 6

niv 7

niv 8

niv 9

niv 10

Niveau

Figure. IV.9. Nombre de cas dont lcart de localisation est situ dans lintervalle [-3,+3].

Londelette de Daubechies (db9) dont le niveau de dcomposition est gal 4 possdent le


plus des cas (74) dont lerreur de localisation ne dpasse pas en valeur absolue la valeur de 4
points.

78

Lhistogramme (Fig. IV.10) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-2,+2].

db2 db3 db4 db5 db6 db7 db8 db9 db10

N o m b re d 'e rre u rs d a n s l'in t e rv a lle [ - 2 ,2 ]

60

50

40

30

20

10

0
niv 1

niv 2

niv 3

niv 4

niv 5

niv 6

niv 7

niv 8

niv 9

niv 10

Niveau

Figure. IV.10. Nombre de cas dont lcart de localisation est situ dans lintervalle [-2,+2].

Londelette de Daubechies (db6) dont le niveau de dcomposition est gal 4 possdent le


plus des cas (52) dont lerreur de localisation ne dpasse pas en valeur absolue la valeur de 2
points, par apport londelette de Daubechies db9 (50).

79

Lhistogramme (Fig. IV.11) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-1,+1].

db2 db3 db4 db5 db6 db7 db8 db9 db10

N o m b r e d ' e r r e u r s d a n s l' in t e r v a lle [ - 1 ,1 ]

40
35
30
25
20
15
10
5
0
niv 1

niv 2

niv 3

niv 4

niv 5

niv 6

niv 7

niv 8

niv 9

niv 10

Niveau

Figure. IV.11. Nombre de cas dont lcart de localisation est situ dans lintervalle [-1,+1].

Londelette de Daubechies (db9) dont le niveau de dcomposition est gal 4 possdent le


plus des cas (36) dont lerreur de localisation ne dpasse pas en valeur absolue la valeur de 1
points.

80

Lhistogramme (Fig. IV.12) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart gal 0.

db2

db3 db4 db5

db6 db7 db8

db9 db10

14
12

N o m b re d ' e rre u rs = 0

10
8

6
4

2
0
niv 1

niv 2

niv 3

niv 4

niv 5

niv 6

niv 7

niv 8

niv 9

niv 10

Niveau

Figure. IV.12. Nombre de cas dont lcart de localisation est gal 0.

Londelette de Daubechies (db6) dont le niveau de dcomposition est gal 4 possdent le


plus des cas (13) dont lerreur de localisation ne dpasse pas 0.

81

Daprs les figures (Fig. IV.7, Fig. IV.8, Fig. IV.9, Fig. IV.10, Fig. IV.11 et Fig. IV.12), nous
pouvons affirmer que le niveau 4, est le meilleur niveau de dcomposition.

La figure (Fig. IV.13) reprsente le pourcentage des cas de variation de lerreur entre le
pointeur rfr et le pointeur calcul en fonction du niveau. Une erreur gale zro montre
que la localisation sur la TOD savre aussi efficace que la valeur des rfrs. Une erreur dans
lintervalle [-5,+5] englobe le pourcentage de cas o la dtection peut tre prcoce ou au-del
de la valeur rel. Nous pouvons affirmer que lodelette de Daubechies (db9) semble tre la
plus performante puisquelle a permis de localiser 7.10% de cas avec une erreur nulle, 23.23%
de cas dans lintervalle [-1,+1], 32.26% de cas dans lintervalle [-2,+2], 47.74% de cas dans
lintervalle [-3,+3], 56.13% de cas dans lintervalle [-4,+4] et 66.45% de cas dans lintervalle
[-5,+5]. Ce qui est satisfaisant dans une premire approche de la localisation de QRS.

Ecart de localisation = 0

Ecart de localisation dans [-1,+1]

Ecart de localisation dans [-2,+2]

Ecart de localisation dans [-3,+3]

Ecart de localisation dans [-4,+4]

Ecart de localisation dans [-5,+5]

70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
db2

db3

db4

db5

db6

db7

db8

db9

db10

Ondelette de Daubechies (niveau 4)

Figure. IV.13. Les pourcentages de localisation relativement aux diffrentes variantes de


londelette de Daubechies.

82

IV. Conclusion
La mthodologie dcrite dans ce mmoire concerne le prtraitement des donnes
lectrocardiographiques.

Le premier chapitre est considr comme une introduction l'lectrocardiographie ECG et


l'lectrocardiologie quantitative. Les signaux ECG sont enregistrs par groupes de 3 (ou plus)
drivations au moyens d'lectrodes places la surface du corps et tmoignent de l'activit
lectrique du cur d'un patient. Le signal ECG est constitu dondes qui sont respectivement :
londe P, le complexe QRS, et londe T.

En ECG traditionnel la dtermination prcise du dbut et de la fin des ondes se fait de


manire visuelle sur chaque voie du trac de lECG. L'une des tapes des plus importantes
dans le traitement automatique de ce type de signaux est le choix de leur reprsentation
par une fonction temporelle unique. Nous avons utilis dans un premier temps la fonction
amplitude comme une fonction de dtection.

Le deuxime chapitre a t consacr la prsentation de mthodes lies la reconnaissance


des formes ainsi que de quelques domaines d'application. Nous avons prsent les dmarches
classiques en reconnaissance de forme et les diffrentes mthodes de dcision.

Nous avons dcrit dans le chapitre suivant les mthodes danalyse et de traitement du signal.
Parmi ces mthodes il y a la transforme de Fourier qui constitue le point de dpart pour
lanalyse frquentielle. Elle donne une reprsentation frquence amplitude dun signal,
mais ne permet pas ltude de signaux non stationnaires et ne permet pas non plus de savoir
quels instants les frquences ont t mises.

La seconde mthode cest la transforme de Fourier fentre, elle permet une reprsentation
temps frquence dun signal, mais linconvnient majeur de cette transformation est que
la taille de sa fentre est fixe.

83

Pour pallier ces insuffisances des reprsentations temps - chelle sont apparues
ncessaires. Nous nous sommes intresss la reprsentation du signal par la transforme
en ondelettes ou encore dites wavelets .

Ces nouvelles transformations sont, en gnral, orthogonales. Lorthogonalit de la


dcomposition limine la redondance dinformations. La rversibilit de lalgorithme de
dcomposition autorise une reconstruction parfaite du signal dorigine partir des coefficients
de la dcomposition.

On distingue deux grandes familles dondelettes: les ondelettes continues (Morlet, Sombrero,
) et les ondelettes discrtes (Haar, Shannon, Meyer, Daubechies). La transforme en
ondelettes a prouv son efficacit travers les rsultats enregistrs dans lanalyse des signaux
transitoires et non stationnaires, comme c'est le cas pour lECG.

Notre choix s'est port sur l'utilisation des ondelettes discrtes cause de la nature discrte de
nos donnes ECG.

Notre contribution se rsume dans la conception et la ralisation dun systme de localisation


du dbut de l'onde QRS, c'est--dire la zone sense contenir la valeur exacte du dbut du
complexe QRS partir de la reprsentation par londelette discrte la plus performante et plus
prcisment l'ondelette de Daubechies cause de sa forme qui est proche de celle de londe
QRS.

A ce propos le quatrime chapitre a t consacr la prsentation des rsultats. L'valuation


s'est faite sur les donnes d'une base de donne ECG parfaitement prtraite en l'occurrence la
base de donne DS1 de la communaut scientifique Europenne CSE reconnue pour tre
parfaitement valide.

Chaque ondelette possde un niveau maximum de dcomposition au-del duquel la


dcomposition ne sera plus utile, nous avons arrt la dcomposition au dixime niveau selon
les diffrentes variantes de londelette de Daubechies, car au del notre signal perd sa forme
initiale.

84

Lanalyse du choix de londelette (ondelette-mre) a t effectue sur la base dun test de


plusieurs ondelettes analysantes de Daubechies (db2, db3,, db10). Le choix est bas sur
l'apprciation de lerreur qui existe entre le pointeur rfr et le pointeur calcul.

Daprs plusieurs expriences, nous avons constat que londelette de Daubechies (db9) est
la plus performante, car elle a permis de localiser 62.58 % de cas dans lintervalle [-5,+5]
centr sur le pointeur rfr, avec un meilleur niveau de dcomposition qui gale 4.

En perspectives il sagira de procder la dtection si possible exacte de cette onde et son


valuation. Il sagira par la suite de localiser et dtecter les autres ondes du signal en vue de la
dtermination du diagnostic ECG.

85

86

[1]

Abeysekera SS. Detection and classification of ECG signals in time frequency


domain . Applied signal processing, vol. 1 Springer Verlag, 1994.

[2]

ABO-ZAHHAD, M., RAJOUB, B. A. 2001. ECG Compression Algorithm Based on


coding and Energy Compaction of the Wavelet Coefficients , IEEE ICECS, vol. 1.
pp. 441-444.

[3]

AKANSU, A.N. 1994. Wavelets and Filter Banks: A Signal Processing Perspective
, IEEE Circuits and Devices Magazine. pp. 14-18.

[4]

Aide la Lecture et l'Interprtation des Electrocardiogrammes (ALIE 2.0). (Page


consulter le 16/06/2007). Les drivations d'un ECG, [En ligne]. Adresse URL :
http://foulon.chez-alice.fr/Alie%202.000/DATAS/MODULE1/derivECG.htm

[5]

Barrat, M., O.Lepetit. Calcul rapide de la transforme en ondelette. Traitement du


signal, Vol. 8, No. 1, pp. 43-49, 1991.

[6]

BELAID. A. & BELAID. Y. Reconnaissance des formes : Mthodes et applications,


Inter Edition, 1992.

[7]

BENABDELLAH. M, et autres. (Page consulte le 4 dcembre 2007). Traitement


numrique du signal physiologique : Application au dbruitage et lanalyse de
lECG

par

Ondelettes,

[en

ligne].

Adresse

URL

: http://www.univ-

tlemcen.dz/manifest/CISTEMA2003/cistema2003/articles/Articles%20%20GBM/GBM21.pdf

[8]

BENATIA, D. (Page consulter le 01/04/2008). Analyse et traitement du signal


lectrocardiographie (ECG) par la transforme en ondelette, [En ligne]. Adresse
URL : www.univ-batna.dz/ser-vrpg/rapp-s1-2006-pdf/Rapp-S1-Benatia-D-J-0501-0260-2006.pdf.

[9]

Benzid, R., F. Marir, A. Boussaad, M. Benyoucef et D. Arar . Fixed percentage of


wavelet coefficients to be zeroed for ECG compression , IEEE Electronics.

87

[10]

BENZID, R. Ondelettes et statistiques dordre suprieur appliques aux signaux uni


et bidimensionnels, Mmoire de thse de doctorat de luniversit Batna 6, 2005.

[11]

Brochet C, Li G.P. Twelve-lead electrocardiogram, Frank-lead vectrocardiogram


reconstructed vectrocardiogram or combination, Which is the best ? . in : Japanese
Heart J. 1994.

[12]

CHRBIT. M. Elment de la thorie du signal les signaux alatoires, Edition Ellipse,


1990.

[13]

Cohen, A. Ondelettes et Traitement Numrique du Signal, Masson 1992.

[14]

Couderc Jph, Morlet D, Rubel P. Analyse de llectrocardiogramme hauteresolution en vue du pronostic des TV et des morts subites. Mise en uvre de
mthodes temps-chelle et temps-frquence . INSERM, Deuxime colloque rgional
Rhne-Alpes Auvergne Bourgogne, Lyon (France), 16-17 septembre 2000.

[15]

DAUBECHIES, I. The wavelet transforms time-frequency localization and signal


analysis . IEEE Trans. On information theory, Vol. 36, N 5, pp. 961-1005,
September 1990.

[16]

Debbal, S. M., et F. Bereksi-Reguig Choix de londelette analysante et classification


des signaux phonocardiogrammes en fonction des souffles surajouts , Afrique
SCIENCE, N 01, janvier 2005, p. 1 13.

[17]

Djouaher, N., Amirou. Z., M. Djeddi. Dtection du segment S-T de lECG par la
spline quadratique IEEE Trans. Image processing, 2005.

[18]

Djouaher, N., Amirou. Z., M. Djeddi. Segmentation et analyse de londe P dun


ECG pour le dpistage danomalies auriculaires , IEEE Trans. Image processing,
2005.

[19]

Donoho, D. L. De-noising by soft-thresholding , IEEE Trans. Information theory,


Vol. 41, N 3, p. 613-627, 1995.

88

[20]

DUBUISON. B. Diagnostique et reconnaissance des formes, Edition Eyrolles 1989.

[21]

Dubin, D. Lecture acclre de lECG. Maloine, Paris, 1992.

[22]

Einthoven ,W. Die galvnometrische Registrirung des menschlichen


Elektrokardiogramms, zugleich eine Beurtheilung der Anwendung des CapilarElektrometers in der Physiologie . Pfluegers Arch., 1903, Vol. 99, p. 472-80.

[23]

Eloundou. P. (Page consulter le 13/04/2008). Compression des signaux EMG par la


Transforme dite : impaire, [En ligne]. Adresse URL :
www.u-bourgogne.fr/SITIS/05/download/Proceedings/Files/f102.pdf

[24]

Erlebacher, G., et al. Wavelet Theory and Applications , ICASE/ LaRC Series
Science and Eng. Oxford Univ. Press 1996.

[25]

FABRE. Exercices en reconnaissance des formes, Edition 1989.

[26]

Fayyaz-ul-Amir Afsar., Afsar Minhas. Robust electrocardiogram (ECG) beat


classification using discrete wavelet transform , Physiol. Meas, 2008, Vol. 29, p.
555-570.

[27]

Fesler, R., Li G.P., Derwael C, Brochet C. Vectocardiographie et Electrocardiologie


Qantitative . Absctract Book, October, 1995.

[28]

Fesler, R., Li G. P., Derwael. C, Brochet C. Computer interpretation of the


electrocardiogram synthesized from the vectocardiogram and vice-versa, 1997.

[29]

Flandrin, P. Temps-Frquence, Edition Ellipse, 1994.

[30]

FOLKERS, A., MSCH, F., MALINA, T., HOFMANN, U. G. Realtime


Bioelectrical Data and Processing from 128 Channels Utilizing the WaveletTransformation , Neurocomputing 52-54, pp. 247-254, 2003.

89

[31]

Gabor, D. Theory of communication . J. Inst. Elec. Eng., Vol. 93, N. 3, pp. 429457, 1946.

[32]

Goldberger E. A simple, indifferent, electrocardiographic electrode of zero


potentials and a technique of obtaining augmented, unipolar, extremity leads , Am
HeartJ., 1942, Vol. 23, p. 483-92.

[33]

Groupe de Recherche sur l'Analyse Multimodale de la Fonction Crbrale


(G.R.A.M.F.C.). (Page consulter le 18/03/2007). Traitement du signal appliqu
l'ECG,

[En

ligne].

Adresse

URL :

http://www.u-

picardie.fr/labo/UGBM/Traitement_signal_ECG.htm

[34]

Hassanpour, H. Parsaei, A. Fetal

ECG Extraction Using Wavelet Transform , IEEE

Trans., 2006, p. 179-179

[35]

HUBIN, M. (Page consulter le 21/03/2007). Quelques techniques de traitement du


signal, [En ligne]. Adresse URL : http://pagespersoorange.fr/michel.hubin/physique/signal/chap_si1.htm

[36]

HULATA, E., SEGEV, R., BEN-JACOB, E. 2002. A method for spike sorting and
detection based on wavelet packets and Shannons mutual information , J. Neurosci.
Meth. 117. pp. 1-12.

[37]

JULIUS. TT et RAFAEL. C.G Pattern recognition principals .

[38]

Khahene, J.P. et P.G. Lemaria-Rieusset. Srie de Fourier et ondelette, Cassini, 1998.

[39]

KIM K. H., KIM S. J. 2002. Wavelet-based action potential detector for the
extracellular neural signal with low signal-to-noise ratio , Proceedings of the Second
Joint Engineering in Medicine and Biology Conference, vol. 3. pp. 2016-2017.

[40]

LAUBACH, M. 2004. Wavelet-Based Processing of Neuronal Spike Trains prior to


Discriminant Analysis , J. Neurosci. Meth. 134. pp. 159-168.

90

[41]

Lepeschkin E. Modern Electrocardiography, Baltimore: Williams and Wilkins, 1951.

[42]

LETELIER, J. C., WEBER, P. P. 2000. Spike Sorting Based on Discrete Wavelet


Transform Coefficients J. Neurosci Meth. 101. pp. 93-106.

[43]

Lewis T. The Mechanism of the Heart Beat, with Special Reference to its Clinical
Pathology, London: Shaw, 1911.

[44]

Lu, Z., D. Y. Kim et W. A. Pearlman, Wavelet compression of ECG signals by the


set partitioning in hierarchical trees algorithm , IEEE Trans. Biomedical engineering,
Vol. 47, N 7, p. 849-856, 2000.

[45]

Mallat, S. A wavelet tour of signal processing, Academic Press, second edition, 1998.

[46]

Matlab Toolbox version 7.1.

[47]

Meyer, Y. Ondelettes et oprateurs, Tomes I et II, Hermann 1990.

[48]

Meyer, Y. Ondelettes et Algorithmes rcurrents, Hermann Ed, 1992.

[49]

Meyer, Y. Les ondelettes, algorithmes et applications, Armand Collin, Paris, 1992.

[50]

Meyer, Y. Wavelets, Vibrations and scalings , CRM Monograph series, Vol. 9,


1997.

[51]

Misiti, M., Y. Misiti et al. Wavelet toolbox users guide, Mathworks, 1996.

[52]

MUSTIG. GRESILOG Traitement du Signal. (Page consulter le 27/01/2008).


Bibliothque ONDELETTES pour MUSTIG version 1.0, [En ligne]. Adresse URL :
http://www.lis.inpg.fr/mustig/doc_html/ondlet/ondlet.htm

[53]

Nikolaev, N., Z. Nikolov, A. Gotchev and K. Egiazarian Wavelet domain Wiener


filtering for ECG denoising using improved signal estimate . EUSIPCO, sept 2000.

91

[54]

Rmi, D. Application des nouvelles mthodes dapprentissage la dtection prcoce


danomalies en lectrocardiographie . Mmoire de thse de doctorat de luniversit
Paris 6, 2004.

[55]

RIOUL, O., VETTERLI, M. 1991. Wavelets and Signal Processing , IEEE Signal
Processing Magazine, vol. 8, Issue 4. pp. 14-38.

[56]

Rodney Tan H. G., LumK. M. et Mok, V. H. Performance Evaluation of Coifman


Wavelet for ECG Signal Denoising, IFMBE, 2007, Vol. 15, p. 419-422

[57]

Said, A. et W. A. Perrlman. A new fast and efficient image codec based on set
partitioning in hierarchical trees , IEEE Trans. Circuits & systems for video
technology, vol. 6, N 4, p. 243-250, 1996.

[58]

SARKAR, T. K., PU, C.-J. 1998. A Tutorial on Wavelets from an Electrical


Engineering Perspective, Part 2: The Continuous Case , IEEE Antennas and
Propagation Magazine, vol. 40, no. 6. pp. 36-49.

[59]

Starck, J. L, et al. The curvelet transform for image denoising , IEEE Trans. Image
processing, Vol. 11, N 6, p. 670-684, 2002.

[60]

Strang, G. et T. Ngguyen. Wavelets and Filter Banks, Wellesley-Cambridge press,


1996.

[61]

Tighiouart, B., P.Rubel, M.Bedda. Improvement of QRS boundary recognition by


means of unsupervised learning . USA: IEEE comput. Soc. Press, 2003. ISSN: 02766547; IEEE Computers in Cardiology 2003; 30:49-52.

[62]

Torrsani, B. Analyse continue par ondelette , Inter Edition \ CNRS Ed, 1995.

[63]

Wartak, J., computers in electrocardiography. C. C. Thomas publ. Co., Springfield,


1970, I 11, p. 366-386.

92

[64]

Willems, J.L. Common Standards for quantitative Electrocardiography. C.S.E.


ATLAS. Referee results . First phase library- data set 1. May 1983- ref n C.S.E.
83-05-13.

[65]

Wilson FN, Johnston FD, MacLeod AG, Barker PS. Electrocardiograms that
represent the potentials variations of a single electrode Am Heart J., 1934, Vol. 9,
p.447-58.

[66]

Yang, S. H. Filter evaluation for dwt-domain image watermarking , IEEE


Electronics letters, Vol. 39, N 24, 2003.

[67]

Zareba, W., P. Maison-Blanche and H. L. Locati. Nonivasive electrocardiology in


clinical pratice, New-York, Futura Publishing Compagny, Inc.,2001.

[68]

Zhang, X. P. et M. D. Desai. Adaptive denoising based on SURE risk , IEEE


Signal processing letters, Vol. 5, N 10, p 265-267, 1996.

[69]

Zheng, CX., Li CW, et al. Detection of ECG characteristics points using the wavelet
transforms . IEEE Trans. On BME 1995.

93

Annexe 1
Ondelette de Daubchies (db2)
Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6


Niv7 Niv8 Niv9
Niv10
-9 -11
-7
-7
-7
-39 -54 -54
-54
-54
-6
-8
-4
-4
-4
-51 -51 -51
-51
-51
4
4
8
-8
-8
-55 -55 -55
-55
-55
3
3
7
-9
-9
-56 -56 -56
-56
-56
0
-4
0
0 -32
-32 -47 -47
-47
-47
-13 -11 -11 -11 -11
-58 -58 -58
-58
-58
-1
-3
1 -15 -15
-47 -62 -62
-62
-62
-8
-6
-6
-6
-6
-38 -53 -53
-53
-53
-1
-5
-1
-1 -48
-33 -48 -48
-48
-48
3
3
7
-9
-9
-41 -56 -56
-56
-56
-1
-1
3 -13 -29
-44 -44 -44
-44
-44
-5
-5
-1 -17 -17
-64 -64 -64
-64
-64
0
0
4
-4
-4
-36 -51 -51
-51
-51
2
2
-2 -10 -42
-57 -57 -57
-57
-57
-5
-7
-7
-7 -39
-54 -54 -54
-54
-54
5
5
9
-7
-7
-54 -54 -54
-54
-54
0
-4
0 -39 -24
-24 -39 -39
-39
-39
-2
0
4 -12 -59
-44 -59 -59
-59
-59
-8 -10
-2 -18 -34
-49 -49 -49
-49
-49
-1
-1
3 -13 -13
-60 -60 -60
-60
-60

Ondelette de Daubchies (db3)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7 Niv8


Niv9
Niv10
-9
-8 -15
8
-7
-39 -54
-54
-54
-54
-6
-4 -10
-4 -36
-51 -51
-51
-51
-51
5
7
0
7 -55
-41 -55
-55
-55
-55
4
6
-1
6 -56
-41 -56
-56
-56
-56
-1
0
-6
0
-1
-47 -47
-47
-47
-47
-12 -12 -11
5 -11
-58 -58
-58
-58
-47
-3
0
-7
0 -15
-48 -62
-62
-62
-62
-7
-6
-9
-6
-6
-38 -38
-53
-53
-47
-2
-1
-7
-1 -26
-48
-2
-48
-48
-48
2
3
-1
6 -40
-41 -56
-56
-56
-54
-1
1
-5
2 -29
-30 -44
-44
-44
-54
-6
-2
-9
-2 -49
-50 -64
-64
-64
-64
0
0
1
-4
-4
-36 -51
-51
-51
-54
1
1
-2
5 -10
-57 -57
-57
-57
-57
-6
-4
-9
-7
-8
-39 -54
-54
-54
-54
4
6
1
8 -54
-40 -54
-54
-54
-54
-2
-1
-8
-8 -24
-24 -39
-39
-39
-39
-1
-1
-5 -12 -13
-59 -59
-59
-59
-59
-8
-9 -11 -21 -34
-35 -49
-49
-49
-49
-2
2
-5
2 -60
-39 -60
-60
-60
-35

94

Ondelette de Daubchies (db4)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7


Niv8
Niv9 Niv10
-9
-9
-9
-9 -12 -49
-54
-54 -54
-54
-5
-5
-5
-5
-8 -37
-51
-51 -51
-51
5
5
5
5 -17 -51
-55
-55 -55
-55
4
4
4
4 -19 -50
-56
-56 -56
-56
-1
-1
-1
-1
-4 -47
-47
-47 -47
-47
-11 -11 -11 -11 -16 -54
-58
-58 -58
-58
-3
-3
-3
-3 -62 -48
-62
-62 -62
-62
-6
-6
-6
-6 -42 -53
-53
-53 -53
-53
-2
-2
-2
-2
-6 -48
-48
-48 -48
-48
3
3
3
3 -19 -56
-56
-56 -56
-56
0
0
0
0
-7 -37
-44
-44 -44
-44
-4
-4
-4
-4 -26 -56
-64
-59 -64
-64
-1
-1
-1
-1 -36 -30
-51
-51 -51
-51
1
1
1
1 -13 -56
-57
-57 -57
-57
-6
-6
-6
-6 -11 -47
-54
-54 -54
-54
5
5
5
5 -31 -48
-54
-54 -54
-54
-2
-2
-2
-2
-4 -39
-39
-39 -39
-39
-1
-1
-1
-1 -16 -55
-59
-59 -59
-59
-8
-8
-8
-8 -14 -44
-49
-49 -49
-49
0
0
0
0 -24 -54
-44
-60 -60
-60

Ondelette de Daubchies (db5)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7


Niv8 Niv9 Niv10
-10 -10 -14 -10 -41 -54
-54 -54 -54
-54
-5
-6
-8
-7 -11 -36
-51 -51 -51
-51
5
4
2 -10 -13 -55
-55 -55 -55
-55
4
3
1 -10 -14 -56
-56 -56 -56
-56
-1
-1
-2
-3
-9 -47
-47 -47 -47
-47
-11 -12 -12 -13 -44 -58
-58 -58 -58
-58
-2
-3
-5 -16 -18 -48
-62 -62 -62
-62
-6
-6
-9 -11 -18 -53
-53 -53 -53
-53
-2
-2
-4
-6
-9 -47
-48 -48 -48
-48
3
3
-1 -11 -14 -56
-56 -56 -56
-56
0
-1
-3
-6
-7 -44
-44 -44 -44
-44
-4
-5
-7 -18 -22 -61
-64 -64 -64
-64
0
0
2
-8
-9 -37
-51 -51 -51
-51
2
0
-3 -14 -42 -57
-57 -57 -57
-57
-6
-6
-8 -11 -14 -54
-54 -54 -54
-54
5
4
2
-8 -13 -54
-54 -54 -54
-54
-2
-4
-5 -32
-6 -39
-39 -39 -39
-39
-1
0
-4 -14 -23 -58
-59 -59 -59
-59
-8
-8 -11 -12 -40 -49
-49 -49 -49
-49
0
0
-3 -14 -18 -60
-60 -60 -60
-60

95

Ondelette de Daubchies (db6)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6


Niv7 Niv8 Niv9
Niv10
-10
-9 -10
1 -19
-54 -54 -54
-54
-54
-5
-6
-7
-7 -35
-35 -51 -51
-51
-51
5
4
4
2 -19
-55 -55 -55
-54
-55
4
4
3
0 -18
-56 -56 -56
-56
-56
-1
0
-1
-2 -31
-47 -47 -47
-47
-47
-13 -11 -12
-3 -22
-58 -58 -58
-58
-58
-3
-2
-2
-7 -24
-54 -62 -62
-62
-62
-6
-6
-6
-8 -16
-53 -53 -53
-53
-53
-2
-2
-2
-3 -39
-48 -48 -48
-48
-48
3
3
2
0 -19
-56 -56 -56
-56
-44
0
0
-2
-4 -34
-44 -44 -44
-44
-44
-4
-4
-5
-8 -28
-64 -64 -64
-64
-64
0
-1
-1
-6 -13
-38 -51 -51
-51
-51
1
1
1
-3 -20
-57 -57 -57
-57
-57
-6
-5
-6 -10 -37
-54 -54 -54
-54
-54
5
6
5
1 -18
-54 -54 -54
-54
-54
-3
-2
-2
-5 -33
-39 -39 -39
-39
-39
-1
0
-1 -12 -28
-59 -59 -59
-59
-59
-8
-8
-9
-6 -37
-49 -49 -49
-54
-49
0
0
0
-4 -24
-60 -60 -60
-60
-60

Ondelette de Daubchies (db7)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7 Niv8


Niv9
Niv10
-10 -10 -14
-3 -17 -51 -54
-54
-54
-5
-5
-7
-7 -12 -32 -51
-51
-51
5
6
2
2 -32 -55 -55
-55
-53
4
4
2
0 -38 -56 -56
-56
-56
-1
-1
-2
-2
-8 -47 -47
-47
-47
-12 -11 -12
-9 -19 -58 -58
-58
-58
-3
-2
-4
-5 -62 -57 -62
-62
-62
-6
-6
-8
-8 -21 -53 -53
-53
-53
-2
-2
-3
-3 -11 -48 -48
-48
-48
2
3
0
-1 -36 -56 -56
-56
-56
0
0
-3
-2 -16 -44 -44
-44
-44
-4
-4
-6
-8 -46 -64 -64
-64
-64
0
0
2
-1 -31 -36 -51
-51
-51
1
2
-2
-2 -16 -57 -57
-57
-57
-7
-6
-8
-5 -14 -53 -54
-54
-54
5
6
3
1 -47 -54 -54
-54
-54
-2
-2
-5
-5 -23 -39 -39
-39
-39
-1
-1
-2
-4 -20 -59 -59
-59
-59
-9
-9 -11 -13 -21 -49 -49
-49
-53
0
0
-2
-3 -45 -60 -60
-60
-60

-54
-51
-55
-56
-47
-62
-62
-53
-48
-53
-44
-64
-51
-57
-54
-54
-39
-59
-49
-60

96

Ondelette de Daubchies (db8)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7 Niv8


Niv9
Niv10
-10 -10 -10
-8 -49 -54 -54
-54
-54
-5
-6
-7
-5 -11 -40 -51
-51
-51
5
4
4
-7 -15 -55 -55
-55
-55
4
4
2
-8 -17 -54 -56
-56
-56
-1
-1
-1
0
-8 -47 -47
-47
-47
-12 -12 -13 -10 -58 -58 -58
-58
-58
-3
-2
-3 -16 -22 -52 -62
-62
-62
-6
-6
-7
-7 -25 -53 -53
-53
-53
-2
-2
-2
-1 -10 -48 -48
-48
-48
2
3
1 -10 -17 -56 -56
-56
-56
0
-1
-2
-6
-9 -44 -44
-44
-44
-5
-5
-6 -16 -25 -62 -64
-64
-64
-1
0
0
-6 -32 -51 -51
-51
-51
1
2
0 -12 -21 -57 -57
-57
-57
-6
-6
-6
-8 -15 -53 -54
-54
-54
5
5
4
-7 -17 -54 -54
-54
-54
-2
-5
-4 -35
-6 -39 -39
-39
-39
-1
-1
-2 -13 -21 -59 -59
-59
-59
-8
-8
-9 -13 -28 -49 -49
-49
-46
-1
0
-2 -13 -21 -60 -60
-60
-60

-54
-51
-55
-56
-47
-58
-62
-53
-48
-56
-44
-64
-51
-57
-54
-54
-39
-59
-49
-60

Ondelette de Daubchies (db9)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7 Niv8 Niv9 Niv10
-9
-9 -13
1 -22 -54 -54 -54 -54
-54
-5
-6
-7
-6 -21 -36 -51 -51 -51
-51
5
4
3
2 -15 -55 -55 -55 -55
-55
4
4
2
1 -16 -56 -56 -56 -56
-56
-1
-1
-2
-1 -23 -47 -47 -47 -47
-47
-12 -12 -12
-3 -24 -58 -58 -58 -58
-58
-3
-2
-4
-7 -22 -51 -62 -62 -62
-62
-6
-6
-7
-7 -14 -53 -53 -53 -53
-53
-2
-2
-3
-2 -48 -48 -48 -48 -48
-48
2
3
1
-1 -16 -56 -56 -56 -56
-48
0
0
-2
-4 -15 -44 -44 -44 -44
-44
-5
-4
-6
-7 -25 -64 -64 -64 -64
-64
-1
-1
3
-4 -11 -39 -51 -51 -51
-51
1
1
-1
-3 -28 -57 -57 -57 -57
-57
-6
-5
-8
-8 -29 -54 -54 -54 -54
-54
5
6
3
1 -15 -54 -54 -54 -54
-54
-2
-3
-5
-5 -13 -39 -39 -39 -39
-39
-1
0
-2
-8 -43 -58 -59 -59 -59
-59
-8
-8 -10
-3 -36 -49 -49 -49 -49
-49
-1
0
-1
-3 -21 -60 -60 -60 -60
-60

97

Ondelette de Daubchies (db10)


Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20

Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7 Niv8 Niv9


Niv10
-9 -10 -11 -25 -16 -54 -54 -54
-54
-54
-5
-5
-7
-7 -19 -35 -51 -51
-51
-51
5
6
4
1 -39 -55 -55 -55
-55
-55
4
4
2
0 -56 -56 -56 -56
-56
-56
-1
-1
-1
-1 -15 -47 -47 -47
-47
-47
-12 -11 -12
-8 -20 -58 -58 -58
-58
-58
-3
-2
-3
-6 -30 -62 -62 -62
-62
-62
-6
-6
-8
-7 -16 -53 -53 -53
-53
-62
-2
-2
-3
-3 -19 -48 -48 -48
-48
-48
2
3
1
-3 -30 -54 -56 -56
-56
-48
0
0
-2
-3 -27 -44 -44 -44
-44
-44
-4
-4
-6
-8 -42 -64 -64 -64
-64
-64
-1
-1
1
-2 -15 -37 -51 -51
-51
-51
1
2
0
-3 -18 -57 -57 -57
-57
-57
-6
-5
-6
-4 -21 -54 -54 -54
-54
-57
5
6
4
1 -54 -54 -54 -54
-54
-54
-2
-2
-3
-6 -28 -39 -39 -39
-39
-39
-1
-1
-2
-5 -23 -59 -59 -59
-59
-59
-8
-8 -10 -16 -26 -49 -49 -49
-49
-49
0
0
-1
-3 -38 -60 -60 -60
-60
-60

98